Modelo predictivo para analizar los datos de la calidad del aire urbano, capturados por el RMCAB en la localidad de Chapinero

Abstract

La investigación que se aborda en este trabajo va orientada como primera medida a la construcción de un conjunto de datos usando la captura de información de los RMCAB e índice de calidad del aire bogotano (IBOCA) producto de la recopilación desde el año 2016, de la monitorización de la estación del Sistemas de Vigilancia de calidad de aire de Chapinero; teniendo en cuenta este conjunto de datos, se busca entrenar y validar un modelo predictivo, mediante la utilización de técnicas de machine learning, que estime el índice de calidad del aire de un mes próximo, utilizando diferentes técnicas de minería de datos. Se comparan resultados mediante la utilización de método de auto regresión lineal, encontrando que las que las partículas tienen un patrón de comportamiento similar en diferentes momentos del año, pero en ciertas épocas existen picos de contaminación en los primeros capítulos se aborda el tema desde la parte documental en la cual se puede encontrar contenido de soporte para realizar el estudio para posterior mente entrar en el método de investigación en el cual se puede encontrar datos estadísticos, modelos matemáticos y datos de cómo funcionan los métodos de predicción estadística, para luego entrar en materia de como analizar la data para el entrenamiento del modelo y en el último apartado se habla sobre cómo utilizar las series de tiempo para predicciones estadísticas y de los resultados obtenidos de acuerdo al contaminantes PM2,5 en la localidad de chapinero y de si este puede o no afectar la salud de los habitantes en un periodo de 30 días después de la toma de la muestra.