Metodología de razonamiento inductivo difuso para la predicción de concentraciones de ozono

Solo disponible en BuenasTareas
  • Páginas : 12 (2898 palabras )
  • Descarga(s) : 0
  • Publicado : 4 de marzo de 2012
Leer documento completo
Vista previa del texto
IV SIMPÓSIO INTERNACIONAL DE MEIO AMBIENTE PAS para a PAZ Rio de Janeiro – 6 a 10 de Julho de 2009 Metodología de Razonamiento Inductivo Difuso para la Predicción de Concentraciones de Ozono1
1

Pilar Gómez Miranda* & Fernando Vázquez Torres Unidad Profesional Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas (UPIICSA) del Instituto Politécnico Nacional (IPN), Calle Te950, Col. Granjas México C.P. 08400, México, D. F. Teléfono: (55) 55242000 Ext. 70355 y 70005 pgomez84@hotmail.com & fvazquez_t@hotmail.com

1

1

RESUMEN. La investigación se centra en la identificación de modelos para la predicción del ozono, tomando en cuenta una zona geográfica y dos períodos de tiempo diferentes. El primero es hacer el pronóstico en el período no lluvioso del año 2008, seutilizan datos consecutivos de enero a mayo del 2008. El segundo caso trabaja con datos del mes de enero de diferentes años del 2004 a 2008 para pronosticar enero de este último año. La complejidad de esta aplicación, es la alta frecuencia de los datos disponibles por ser registros horarios, el número de variables involucradas y la elevada proporción de datos perdidos. Los resultados obtenidos conla metodología de Razonamiento Inductivo Difuso (FIR) en el tratamiento de problemas de contaminación ambiental, son prometedores. INTRODUCCIÓN. Uno de los problemas más graves de la calidad del aire en las ciudades urbanas es la contaminación por ozono, es por ello que la construcción de modelos de ozono que capturen de la forma más precisa posible el comportamiento de este contaminante en laatmósfera y permitan generar un pronóstico fiable de los niveles máximos de ozono en el aire, es un tema de relevancia para los científicos del área medioambiental. Con lo que respecta a los sistemas ecológicos a gran escala, FIR se ha utilizado para la identificación de modelos para la predicción a corto plazo de la concentración de ozono en la zona Este de Austria [Gómez et al., 2001]. Los modelosobtenidos en este estudio obtuvieron resultados comparables con los obtenidos por las redes neuronales utilizadas en la investigación de [Wieland & Wotawa, 1999]. OBJETIVOS. El principal objetivo de este reporte, es estudiar la fiabilidad de la metodología FIR en la identificación de modelos para la predicción a largo plazo de la concentración de ozono en la zona centro de la Ciudad de México; eneste trabajo se utiliza una cantidad de datos considerable (5 meses) y cuya frecuencia es importante ya que son medidos cada hora durante todo el día (datos horarios). Las variables atmosféricas, velocidad del viento, dirección del viento, temperatura, humedad relativa; así como las variables, día de la semana y hora del día, son utilizadas como variables de entrada y representan un elemento nomenos importante, 2 pues sumado al tipo de datos y a la alta cantidad de datos perdidos aumenta la complejidad de la aplicación. METODOLOGÍA. FIR surge o emerge de la Teoría General de Sistemas (GSPS) desarrollada por G. Klir [Klier, 1985], y es una herramienta para el análisis de sistemas generales que permite estudiar los modos de comportamiento de los sistemas dinámicos. FIR es una Metodologíade modelado y simulación cualitativa que se basa en la observación del comportamiento de entrada/salida del sistema a ser modelado, más que en el comportamiento estructurado de su composición interna. FIR realiza dos tareas principales. La primera es identificar las relaciones causales entre las variables del sistema y construir el modelo cualitativo del sistema observado. La segunda es predecir elcomportamiento futuro del sistema a partir de las observaciones pasadas y del modelo previamente identificado.

1

Artículo derivado del proyecto de investigación titulado “Desarrollo de nuevas técnicas informáticas, para la creación de modelos para identificar sistemas complejos” con clave CGPI: 20040871.
2

En ocasiones los instrumentos de medición de las estaciones fallan y los datos...
tracking img