Metodología de predicción de calidad del aire con base en Vecinos más Cercanos Vagamente Cuantificados optimizados por Enjambre de Partículas

Abstract

El uso de los sistemas de predicción ha sido ampliamente explorado en el estudio de la polución del aire, debido a ser reconocido globalmente como uno de los mayores factores de riesgo para la salud humana. Vecinos más cercanos vagamente cuantifi cados (Vaguely Quanti ed Nearest Neighbor-VQNN) es un modelo de predicción con base en la teoría de conjuntos difusos aproximados, la cual permite modelar la ambiguedad e incertidumbre existente en los datos por medio de cuanti ficadores difusos. Por otro lado, los datos asociados al monitoreo de la calidad del aire se caracterizan por su alta no linealidad, as como por su susceptibilidad al ruido e incertidumbre. En este contexto, VQNN es un método óptimo para la predicción de concentración de contaminantes en aplicaciones a la calidad del aire, no obstante, una mala sintonización de los cuantifi cadores difusos ocasiona una alta sensibilidad al ruido con baja generalidad y aumenta la incertidumbre e imprecisión de las predicciones realizadas. Este trabajo tiene como objetivo, proponer una metodología de predicción utilizando Vecinos más Cercanos Vagamente Cuantifi cados optimizados por Enjambre de Partículas (VQNN-PSO) para aplicaciones en la estimación de la concentración de contaminantes del aire en el Valle de Aburra. La metodología propuesta hace uso de una función objetivo basado en el Error Absoluto Porcentual Medio (MAPE) y utiliza un algoritmo de enjambre de partículas modi ficadas para trabajar con las restricciones inherentes a los parámetros del cuantifi cador. La metodología fue validada por medio de 24 bases de datos de referencia y fue comparado contra 10 algoritmos de predicción. Finalmente, se estudió el desempeño de la metodología en una aplicación real basada en la estimación de la calidad del aire en el valle de Aburrá. Los resultados muestran que VQNN-PSO tiene un desempeño superior a la mayoría de métodos evaluados a excepción de Regresión por Vectores de Soporte optimizados con enjambre de partículas, donde exhiben un rendimiento similar. De otro modo, en la predicción de calidad del aire, VQNN-PSO se mostró como un sistema robusto ante cambios climáticos y estable a lo largo de las estaciones de monitoreo en el valle de Aburrá.