Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Anexo M.marco Contextual
Anexo M.marco Contextual
El Instituto Politécnico Nacional, ubicado en la ciudad de México, realiza en diciembre del 2008
un estudio de comparación de diferentes técnicas de predicción de series de tiempo, tomando
como variable de predicción la concentración del contaminante Ozono (𝑶𝟑 )[𝟏𝟑], para ello
tomaron datos históricos que iban entre 1986 y el 200 de la estación Merced, proporcionados
por el Sistema de Monitoreo Atmosférico (SIMAT). Los modelos empleados para este trabajo
los cuales realizan la predicción mediante la reconstrucción del espacio fase son: locally
constant, kernel regression, locally linear, locally weighted linear y Radial Basis Function. Se
concluyó que los modelos que funcionan de manera eficiente con una transformación de la serie
de tiempo al espacio fase fueron: Nearest Neighbor y Radial Basis Function. Sin embargo en
este estudio no se contemplaron las variables climatológicas y el contaminante PM10, además
fue un estudio netamente estadístico en una ubicación con características atmosféricas
totalmente diferente a las planteadas en este trabajo de gado.
En la Universidad Distrital Francisco José de Caldas ubicada en Bogotá, se resolvió un caso en
la Localidad de Puente Aranda llamado Sistema Difuso Evolutivo para la predicción del nivel
de contaminación del Aire por Material Particulado [26], en este caso se tomaron en cuenta
mediciones de temperatura, velocidad, dirección del viento y lluvia del día actual. Los
resultados obtenidos muestran que se predijo el nivel de PM10 de forma satisfactoria utilizando
dicho sistema evolutivo con un número reducido de reglas, de parámetros de entrada y tamaño
de datos. En este proyecto no se contemplaron creación de variables derivadas (como los
trimestres del año, la hora del día, el mes, la hora pico, si es fin de semana etc...) y el estudio de
otros contaminantes como O3 (formado en parte por 𝑁𝑂2 𝑦 𝑁𝑂𝑋 y también incluidos en este
estudio), además de la creación de nuevos modelos basados en Minería de datos con un número
de parámetros amplio y un conjunto de datos con un tamaño grande.