Predicción de la calidad del aire en Andalucía mediante machine learning

Abstract

La calidad del aire cada día es más importante tanto para los ciudadanos de a pie como para las administraciones y el sector privado debido al efecto que este tiene sobre nuestra salud, la economía y el ecosistema. El interés que suscita el comportamiento de algunos de los contaminantes más perjudiciales en la atmósfera y de donde provienen no es reciente, ya que existen estudios analizando la contaminación atmosférica desde, al menos, 1991. Junto con este interés también se desarrollaron los primeros modelos, tanto estadísticos como basados en redes neuronales, que tenían como objetivo realizar una predicción de las concentraciones de estos contaminantes, desatancando las PM2.5, el NO2 y el O3.

En este estudio comprobaremos que factores externos a los contaminantes tienen influencia a la hora de predecir las concentraciones de las PM2.5, las PM10, el NO2, el O3 y el SO2 en Andalucía, y más concretamente en la provincia de Sevilla. Entre los factores externos se tomarán en cuenta las mediciones de diferentes fenómenos climatológicos como la temperatura, las precipitaciones, la radiación, la velocidad y dirección del viento, el contexto geográfico y poblacional de las estaciones que recogen las mediciones e información cualitativa sobre la hora y fecha.

Para generar las predicciones y comprobar la influencia de los factores mencionados se creará un dataset propio a partir de las mediciones recogidas por el conjunto de estaciones captadoras situadas en puntos estratégicos de Andalucía junto con las mediciones de los factores meteorológicos y con la información relacionada con las estaciones. Este dataset se utilizará para entrenar diferentes modelos predictores: un ARIMA, una red LSTM y un modelo híbrido formado por una red LSTM junto con una red densamente conectada.

Los resultados nos han mostrado que algunos de estos factores afectan a la variación de los contaminantes. También que la mayoría de los contaminantes, en la provincia de Sevilla, son predecibles basándose en su propio historial para ventanas cortas de tiempo, aunque para ventanas más amplias pierden capacidad predictiva.