Redes neuronales

Información Tecnológica Pronóstico de la Concentración de Ozono en Guadalajara-México usando Redes Vol. 19(3), 89-96 (2008)
doi:10.1612/inf.tecnol.3925it.07

García

Pronóstico de la Concentración de Ozono en Guadalajara-México usando Redes Neuronales Artificiales
Ignacio García1, Alonso Marbán1, Yenisse M. Tenorio2 y José G. Rodriguez2 (1) Instituto Politécnico Nacional, Centro Mexicanopara la Producción Más Limpia, Departamento de Posgrado, Av. Acueducto s/n, Barrio La Laguna, Col. Ticomán, Del. Gustavo A. Madero, 07340 México, D.F.-México (e-mail: igarcias@ipn.mx; amarban@ipn.mx) (2) Instituto Politécnico Nacional, Escuela Superior de Ingeniería y Arquitectura, Departamento de Investigación y Posgrado, U. Prof. “Adolfo López Mateos”, Zacatenco, Edif. 12, Del. Gustavo A. Madero,07738 México, D.F.-México (e-mail: ytenoriom0700@ipn.mx; adore81@prodigy.net.mx)

Resumen Se desarrolló un modelo de pronóstico de la concentración de ozono máxima para el día de interés para la Zona Metropolitana de Guadalajara-México. Se uso una Red Neuronal Artificial alimentada con seis variables meteorológicas y tres químicas. Los nodos de la capa oculta se variaron entre doce y quince, lasfunciones de transferencia de la capa interna fueron log-sigmoidal, y de la de salida fue lineal. Para entrenar la red se empleó un algoritmo de Levenberg-Marquardt con datos históricos de 1999 a 2004. Datos del año 2005 fueron usados para verificar la capacidad predictiva de la red ya entrenada, y evaluar la calidad del aire en tres niveles: buena, moderada y mala. El modelo tuvo eficienciasglobales de alrededor del 50%, llegando a 65% para concentraciones elevadas de ozono. Palabras clave: red neuronal artificial, calidad de aire, algoritmo, pronóstico, ozono

Ozone Concentration Forecast in Guadalajara-Mexico using Artificial Neuronal Networks
Abstract A forecasting model to predict the maximum ozone concentration in a specific day in the Metropolitan Area of Guadalajara-Mexico wasdeveloped. An Artificial Neuronal Network fed with six meteorological variables and three chemicals was used. Nodes in the hidden layer were varying in a number among 12 and 15. The transfer functions were log-sigmoid for the hidden layer and linear for the output layer. For the network training the Levenberg-Marquardt algorithm with historical dates from 1999 to 2004. Data for 2005 were used toevaluate the predictive capabilities of the trained network, evaluating the quality of the air at three levels: good, moderate, and unhealthy. The model presented global efficiencies of around 50%, reaching and 65% for high ozone concentrations. Keywords: artificial neuronal network, air quality, algorithm, forecasting, ozone

Información Tecnológica Vol. - 19 Nº3 - 2008

89

Pronóstico dela Concentración de Ozono en Guadalajara-México usando Redes INTRODUCCIÓN

García

El avance en los modelos matemáticos que describen la emisión, transporte, formación y desaparición de los contaminantes atmosféricos ha motivado un mayor entendimiento de la dinámica de esos contaminantes. Sin embargo, entre más complejos son los modelos, más información requieren para ser aplicados con lasuficiente certidumbre de que los resultados obtenidos tendrán algún valor técnico o científico (Russell y Dennis, 2000). Estos modelos determinísticos requieren gran cantidad de información que no siempre es posible conseguir y los datos con los que se cuenta no auguran siempre buenos resultados de la aplicación del modelo (Roth, 1999), o la inversión necesaria en información para obtener resultadosconfiables puede ser prohibitiva (Pun y Louis, 2000). Existen otros métodos que requieren menor información y que pueden utilizarse para estudiar la contaminación atmosférica de ciertas zonas. Estos métodos, en general, hacen uso de técnicas estadísticas de regresión o ajuste de datos mediante otras técnicas numéricas para establecer las condiciones químicas de la atmósfera, basándose en datos...