Predicción de la Calidad del Aire utilizando Aprendizaje Automático: Un Enfoque Multimodal para mitigar la Contaminación

[alex_sebastian_sc]

Abstract-La contaminación atmosférica en Lima, una de las ciudades más urbanizadas y densamente pobladas de América Latina, representa un desafío crítico para la salud pública y la sostenibilidad ambiental. Este estudio presenta un enfoque basado en técnicas de aprendizaje automático para la predicción y clasificación de la calidad del aire, utilizando datos históricos obtenidos de sensores ambientales locales ubicados en los distritos de San Borja, Ate, Villa María del Triunfo, Santa Anita, Campo de Marte, Puente Piedra, Huachipa, Carabayllo, San Juan de Lurigancho y San Martin de Porres.

El objetivo principal es desarrollar una herramienta precisa y adaptable que permita identificar patrones de contaminación específicos y áreas vulnerables en estos entornos urbanos. Este enfoque busca proporcionar un soporte científico para la planificación estratégica y la formulación de políticas públicas destinadas a mitigar los efectos de la contaminación en la salud de los habitantes.

Los resultados destacan que modelos como XGBoost y Gradient Boosting ofrecen un desempeño sobresaliente, logrando coeficientes de determinación R2 superiores a 0.98 y errores absolutos mínimos MAE} menores a 0.80. Estos modelos demostraron ser altamente efectivos en la captura de las variaciones locales de calidad del aire entre los distritos estudiados, reflejando su capacidad para manejar la complejidad de los datos urbanos.

Asimismo, los análisis realizados en los distritos mencionados revelaron diferencias significativas en los patrones de contaminación, destacando la influencia de la actividad vehicular como actividad industrial como factores clave en la generación de contaminantes.

Este trabajo concluye que el aprendizaje automático es una herramienta esencial para abordar los desafíos ambientales en Lima y otras ciudades con características similares, sentando las bases para el desarrollo de sistemas integrales de gestión de la calidad del aire. Además, se resalta el potencial de escalabilidad de este enfoque para su aplicación en otros distritos o ciudades, promoviendo un Futuro más sostenible y saludable para sus habitantes.

Integrantes:
- Juan Villegas Calvay
- Alex Saavedra Castillo
- Carlos Rojas Azabache
- Luis Álvaro Monzón Cóndor

Link PPT: https://docs.google.com/presentation/d/ ... sp=sharing
Link PDF:
Link dataset: