Estimación del material particulado con diámetro menor a 10 micras (PM10) con el modelo estadístico de redes neuronales artificiales (RNA), distrito de Ate, Lima

Abstract

La presente investigación tuvo como objetivo evaluar el desempeño de modelos de Redes Neuronales Artificiales para la predicción de las concentraciones de material particulado con diámetro menor a 10 micras (PM10) en el distrito de Ate, Lima. El estudio se sustentó en información proveniente de la Red de Monitoreo de la Calidad del Aire del Área Metropolitana de Lima y Callao, complementada con variables meteorológicas obtenidas de estaciones de monitoreo y simulaciones generadas mediante el modelo numérico WRF-CHEM. Para ello, se implementaron y evaluaron diversas configuraciones de redes neuronales artificiales, utilizando como criterios de desempeño el Error Cuadrático Medio, el sesgo estadístico y el coeficiente de determinación. Los resultados evidenciaron que la arquitectura con mejor rendimiento alcanzó una elevada capacidad predictiva para estimaciones con una anticipación de una hora, mostrando valores favorables de ajuste y precisión. Asimismo, las predicciones con tres horas de anticipación presentaron un desempeño satisfactorio, confirmando la capacidad del modelo para anticipar variaciones en las concentraciones de PM10. Se concluye que las redes neuronales artificiales constituyen una herramienta eficaz para la predicción de la calidad del aire y representan una alternativa viable para el desarrollo de sistemas de alerta temprana orientados a la gestión ambiental y la protección de la salud pública frente a episodios de contaminación atmosférica.