Diseño de un modelo predictivo mediante redes neuronales para la contaminación ambiental en el Carabayllo-Lima

• Resumen
• Abstract

En la actualidad, Perú enfrenta graves problemas ambientales que impactan directamente la salud de sus habitantes, especialmente en el Distrito Carabayllo-Lima, donde la polución representa una preocupación significativa. Con el propósito de abordar esta problemática, se plantea el uso de redes neuronales para desarrollar indicadores predictivos basados en datos de la Estación de Calidad de Aire local. Este estudio de nivel explicativo y diseño experimental evaluó tres algoritmos de retropropagación y dos modelos de neuronas en una capa oculta durante un período de 2 años. Los resultados obtenidos indican que el modelo propuesto logró una precisión del -0.1089% en la predicción de la calidad del aire, lo que sugiere su utilidad como herramienta para respaldar las decisiones municipales en la gestión ambiental efectiva.

Currently, Peru is facing severe environmental issues that significantly impact the health of its population, particularly in the Carabayllo-Lima District where pollution is a major concern. To address this challenge, the use of neural networks to develop predictive indicators based on data from the local Air Quality Station is proposed. This explanatory level and experimental design study assessed three backpropagation algorithms and two neuron models in a hidden layer over a 2-year period. The results indicate that the proposed model achieved a precision of -0.1089% in predicting air quality, suggesting its utility as a tool to support municipal decision-making in effective environmental management.