| dc.contributor | Pérez-Jara, Patricio | |
| dc.contributor | Universidad de Santiago de Chile | |
| dc.creator | Salini-Calderón, Giovanni Angelo | |
| dc.date | 2017-03-27T17:07:11Z | |
| dc.date | 2022-08-17T15:30:22Z | |
| dc.date | 2017-03-27T17:07:11Z | |
| dc.date | 2022-08-17T15:30:22Z | |
| dc.date | 2009 | |
| dc.date.accessioned | 2023-08-22T22:44:53Z | |
| dc.date.available | 2023-08-22T22:44:53Z | |
| dc.identifier | http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ | |
| dc.identifier | https://hdl.handle.net/10533/179572 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8348250 | |
| dc.description | Considerando que el material particulado fino PM2.5 acapara
actualmente el interés de los organismos encargados de proteger la salud de
la población, hemos analizado la predictibilidad de las series temporales de
dicho contaminante medidas en cuatro estaciones de monitoreo de la ciudad
de Santiago entre los años 2001 y 2007. Se evaluaron diversos parámetros
propios del análisis de series temporales no lineales como tiempo de rezago,
la dimensión de encaje, los exponentes de Lyapunov y de Hurst, la
dimensión de correlación y la de capacidad, así como la función de
autocorrelación. Se encontró que las series en estudio tienen un
comportamiento caótico y que una predicción en base a la información
contenida en ellas sólo es posible para unas pocas horas hacia el futuro.
Con los valores calculados de tiempo de rezago y dimensión de encaje se
implementaron 3 modelos predictivos: un modelo de regresión lineal, una red
neurona¡ de multicapas y un modelo de persistencia. Se encontró que el
modelo MLP con una capa oculta fue el que mejor pronosticó la
concentración de PM2.5 seis horas hacia el futuro. Sin embargo, de acuerdo
a lo esperado, el error promedio fue relativamente alto.
Con la idea de mejorar la calidad de la predicción y desarrollar un
modelo que pueda ser utilizado como una herramienta operacional en la
gestión ambiental se agregaron variables meteorológicas medidas y
pronosticadas como input Apuntando a pronosticar tanto el valor numérico
de la concentración de PM2 5 como su clase dentro de rangos predefinidos,
en este caso se compararon tres tipos de modelo: un algoritmo de cluster, un
modelo lineal y una red neurona¡ tipo M1-P. Se encontró que para valores
extremos, el algoritmo de cluster (llamado HCA) es el más preciso.
Finalmente se propuso una mejora al pronóstico de PM 25 , al incluir
concentraciones de CO como input, lo cual es una manera de tomar en
cuenta el efecto de las fuentes móviles. | |
| dc.description | PFCHA-Becas | |
| dc.description | Doctor en Ciencias Mención en Física | |
| dc.description | 147p. | |
| dc.description | PFCHA-Becas | |
| dc.description | TERMINADA | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.relation | instname: Conicyt | |
| dc.relation | reponame: Repositorio Digital RI2.0 | |
| dc.relation | instname: Conicyt | |
| dc.relation | reponame: Repositorio Digital RI2.0 | |
| dc.relation | handle/10533/108040 | |
| dc.relation | info:eu-repo/grantAgreement/PFCHA-Becas/301014 | |
| dc.relation | info:eu-repo/semantics/dataset/hdl.handle.net/10533/93488 | |
| dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Chile | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.title | Desarrollo de un modelo para pronosticar concentraciónes extremas de pm2.5 en santiago. | |
| dc.type | Tesis Doctorado | |
| dc.type | info:eu-repo/semantics/doctoralThesis | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
| dc.type | Tesis | |
| dc.coverage | Santiago | |
