Modelación mediante series de tiempo de la contaminación por PM2.5
El material particulado de diámetro aerodinámico menor que 2.5 micrómetros (PM2.5) ha sido catalogado como uno de los contaminantes de mayor impacto en la salud humana, siendo considerado un potencial generador de graves enfermedades cardiovasculares y respiratorias. En este trabajo se propone la co...
- Autores:
-
Castañeda Trujillo, Anderson
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2016
- Institución:
- Universidad del Valle
- Repositorio:
- Repositorio Digital Univalle
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.univalle.edu.co:10893/26969
- Acceso en línea:
- https://hdl.handle.net/10893/26969
- Palabra clave:
- Material particulado
Modelación matemática
Series de tiempo
Contaminación ambiental
- Rights
- openAccess
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
| Summary: | El material particulado de diámetro aerodinámico menor que 2.5 micrómetros (PM2.5) ha sido catalogado como uno de los contaminantes de mayor impacto en la salud humana, siendo considerado un potencial generador de graves enfermedades cardiovasculares y respiratorias. En este trabajo se propone la construcción de un modelo de series de tiempo que permita realizar el pronostico de las concentraciones de material particulado fino, generando as ́ı la posibilidad de contar con alertas tempranas que sirvan de insumo en políticas y acciones para el beneficio de la comunidad. En el periodo de estudio se identificaron un total de 27 registros diarios faltantes, generando la necesidad de aplicar métodos de imputación que permita completar la serie de tiempo, este proceso se desarrolla en dos etapas, la primera corresponde a la implementación de un modelo de Mínimos Cuadrados Ponderados tomando como referencia una variable altamente correlacionada con el PM2.5 como es el caso del material particulado de diámetro aerodinámico menor que 10 micrómetros (PM10); la segunda etapa se basa en la metodología propuesta por Casta ̃no, E (2007), el cual propone tratar una observación faltante como un valor Atípico Aditivo. Una vez completa la serie se implementa la metodología Box y Jenkins para la construcción del modelo final, teniendo en cuenta las adecuaciones necesarias como la inclusión de observaciones atípicas y cambios estructurales. Como resultado se obtuvo un modelo de medias móviles estacional multiplicativo de la forma ARMA(0, 1)(0, 1)[7] con sus respectivas variables exógenas, el cual presento pronósticos plausibles en cuanto a nivel, siguiendo el comportamiento esperado de la serie. |
|---|