Modelo matemático utilizando Redes Neuronales Artificiales para predecir la concentración de material particulado respirable MP10 en la Ciudad de Arequipa - 2019

Abstract

El trabajo de investigación propone la implementación de un sistema predictor para medir el nivel de contaminación con material particulado respirable MP10 en lugares donde no es posible realizar la medición de dicho contaminante para la ciudad de Arequipa, haciendo uso de redes neuronales artificiales, dado que la variabilidad de las muestras obtenidas de DESA (Dirección Ejecutiva de Salud Ambiental) no pueden ser explicadas plenamente por los modelos matemáticos conocidos. Las redes neuronales artificiales han demostrado ser un método eficiente en la aproximación de funciones para cualquier tipo de dato. Se optó por el uso de las redes neuronales artificiales, pues estas son muy eficaces cuando se aplican a predicciones de la calidad del aire. Así mismo, se experimentó tres aspectos en particular del diseño de una red neuronal artificial: La normalización de los datos, la selección de la arquitectura y la selección de la función de activación. En base a cuatro variables de entrada conformadas por cada uno de los puntos de muestreo alrededor de un punto central donde se desconoce el nivel de MP10, se determinó que la mejor candidata es la red neuronal de avance (FFNN: Feedforward Neural Network) multicapa consistente en una capa de entrada con cuatro neuronas correspondientes a los puntos de muestreo que rodean el punto que se quiere predecir, una capa oculta y una capa de salida, correspondiente al punto central del que se quiere obtener el nivel de MP10.