Sistema Difuso Evolutivo para la Predicción del Nivel de Contaminación del Aire por Material Particulado: Caso Puente Aranda (Bogotá)

Genetic Fuzzy System for the prediction of air pollution level by Particulate Matter – Case study: Bogotá

  • Carlos Alberto Riveros Varela Universidad Distrital Francisco José de Caldas
  • Miguel Alberto Melgarejo Rey Universidad Distrital Francisco José de Caldas
  • Andrea Riveros Varela Universidad Nacional Abierta y a Distancia
  • Luz Deicy Alvarado Nieto Universidad Distrital Francisco José de Caldas
Palabras clave: Air, Genetic Algorithm, Genetic Fuzzy System, Pollution level, Prediction. (en_US)
Palabras clave: Aire, Algoritmo Genético, Niveles de Contaminación, Predicción, Sistema Difuso Evolutivo. (es_ES)

Resumen (es_ES)

En este artículo se propone la utilización de un Sistema Difuso Evolutivo para realizar la predicción a corto plazo de niveles de contaminación del Aire. Se presenta la aplicación sobre un caso puntual en Bogotá, Colombia, para predecir el nivel de contaminación por Material Particulado (PM10) para el día siguiente, a partir de las mediciones de temperatura, velocidad y dirección del viento, lluvia y nivel de PM10 del día actual.

Los resultados obtenidos muestran que es posible predecir de manera satisfactoria el nivel de contaminación por PM10 utilizando un Sistema Difuso Evolutivo con un número reducido de reglas, lo que permitiría su fácil interpretación.

Resumen (en_US)

This paper proposes the application of a Genetic Fuzzy System for prediction of air pollution levels in the short term. The method is validated for the specific case of Bogotá, Colombia, where the pollution level of particulate matter (PM10) for the next day is predicted from several variables such as temperature, speed and direction of wind, rain and level of PM10 of the current day.

The results show that it is possible to obtain a satisfactory prediction of the level of contamination by PM10 using a Genetic Fuzzy System with a small number of rules, which would yield an easy human interpretation.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Carlos Alberto Riveros Varela, Universidad Distrital Francisco José de Caldas

Es estudiante de Ingeniería de Sistemas de la Universidad Distrital Francisco José de Caldas, en Bogotá, Colombia. Se desempeña como Vicepresidente de la Rama Estudiantil IEEE de la Universidad Distrital Francisco José de Caldas y Presidente del Capítulo Estudiantil de Inteligencia Computacional de la misma.

Actualmente se encuentra realizando su trabajo de grado en el Grupo de Investigación LAMIC (Laboratorio de Automática e Inteligencia Computacional).

Miguel Alberto Melgarejo Rey, Universidad Distrital Francisco José de Caldas

Es Ingeniero Electrónico graduado con honores de la Universidad Distrital Francisco José de Caldas. Magister en Ingeniería Electrónica y Computadores, graduado con honores, de la Universidad de los Andes, Bogotá - Colombia, en cooperación con la Ecolé Polytechnique Federale de Lausanne, Suiza.

Actualmente es profesor asociado de la Facultad de Ingeniería de la Universidad Distrital Francisco José de Caldas, Colombia e investigador adjunto del Grupo de Investigación LAMIC (Laboratorio de Automática e Inteligencia Computacional) en la misma Universidad. Sus áreas de interés son: Sistemas complejos, inteligencia computacional y procesamiento de señales.

Andrea Riveros Varela, Universidad Nacional Abierta y a Distancia

Nació en Bogotá, D.C. el 22 de noviembre del año 1992. Es estudiante de Ingeniería Ambiental de la Universidad Nacional Abierta y a Distancia, en Bogotá, Colombia.

Luz Deicy Alvarado Nieto, Universidad Distrital Francisco José de Caldas

Es Ingeniera de Sistemas de la Universidad Distrital Francisco José de Caldas. Magister en Ingeniería de Sistemas de la Universidad Nacional de Colombia. Obtuvo su Doctorado en Ciencias de la Computación e Inteligencia Artificial en la Universidad de Oviedo, en España.

Actualmente se desempeña como profesora de planta de la Facultad de Ingeniería de la Universidad Distrital Francisco José de Caldas en el Proyecto Curricular de Ingeniería de Sistemas.

Referencias

Hospital del Sur E.S.E Observatorio de Salud Ambiental de Bogotá, Boletín Epidemiológico Mensual de la Relación entre Calidad del Aire y Salud, Enero 2012.

Ministerio de Ambiente, Vivienda y Desarrollo Territorial, Política de Prevención y Control de la Contaminación del Aire, Bogotá D.C. 2010. 48 p.

Sánchez, E.; Herrera, C., “Contaminación Atmosférica”, La Contaminación Industrial en Colombia. DNP. PNUD. Bogotá, 1994.

Gaitán, M.; Cancino, J.; Behrentz, E., “Análisis del estado de la calidad del aire en Bogotá”, Revista de ingeniería Universidad de los Andes. Bogotá, Colombia, 2007.

Ministerio de Ambiente, Vivienda y Desarrollo Territorial, Resolución número 610, 2010.

Perez, P.; Reyes, J., “An integrated neural network model for PM10 forecasting”, Atmospheric Environment 40, 2006.

Kurt, A.; Gulbagci, B.; Karaca, F.; Alagha, O., “An online air pollution forecasting system using neural networks”, Environment International, Volumen 34, 2008, pp. 592-598.

Voukantsis, D.; Karatzas, K.; Kukkonen, J.; Räsänen. T., “Intercom-parison of air quality data using principal component analysis, and forecasting of PM10 and PM2.5 concentrations using artificial neural networks”, Science of the Total Environment 409, 2011.

Secretaría Distrital de Planeación, 21 monografías de las localidades: Localidad 16 Puente Aranda, 2011.

Sbarato, D.; Sbarato, V., Contaminación del aire, Encuentro Grupo Editor. Argentina, 2009.

Álvarez, A., Diagnostico ambiental local Puente Aranda, Alcaldía Local De Puente Aranda Y Sistema Ambiental Local, 2012.

Castro, P.A.D.; Camargo, H.A., “Focusing on Interpretability and Accuracy of a Genetic Fuzzy System”, Fuzzy Systems, 2005. FUZZ '05. The 14th IEEE International Conference, 2005, pp. 696‐701.

Melgarejo, M.; Prieto, A.; Ruiz, C., “Modelado de Sistemas Difusos Basado en el Algoritmo Genético Compacto.” Proceedings Of The 2011 Argentine Symposium On Artificial Intelligence pp. 180 - 191, 2011.

Wang L. X., A course in fuzzy systems and control, Prentice Hall, 1997.

Holland, J.A., Adaptation in Natural and Artificial System, Ann Arbor: The University of Michigan, 1975.

Mitchell, M., An Introduction to Genetic Algorithms, A Bradford Book The MIT Press, Cambridge, Massachusetts, 1999.

Goldberg, D. E., Genetic Algorithms in Search, Optimization, and Machine Learning, Addison−Wesley, 1989.

Red de monitoreo de calidad del aire. Disponible online en: http://201.245.192.253:81

Villate, A.; Rincon, D. E.; Melgarejo, M. A., “Sintonización de sistemas difusos utilizando evolución diferencial,” IEEE XVIII International Congress of Electronic and Systems Engineering, pp. 1 – 8, 2011.

Melgarejo, M.; Villate, A.; Rincon, D., “Evolución diferencial aplicada a la sintonización de clasificadores difusos para el reconocimiento del lenguaje de señas,” Ingenieria y Universidad, volumen 16, pp. 397 – 413, 2012.

Cómo citar
Riveros Varela, C. A., Melgarejo Rey, M. A., Riveros Varela, A., & Alvarado Nieto, L. D. (2012). Sistema Difuso Evolutivo para la Predicción del Nivel de Contaminación del Aire por Material Particulado: Caso Puente Aranda (Bogotá). Ingeniería, 17(2), 55 - 62. https://doi.org/10.14483/23448393.3856
Publicado: 2012-12-28

Artículos más leídos del mismo autor/a