Plataforma web de predicción de la calidad del aire para la gestión ambiental en entidad municipal utilizando modelos LSTM

Abstract

El presente estudio se orienta al diseño de un sistema predictivo para la evaluación de la calidad del aire, problemática de alta relevancia en Lima debido al reiterado incumplimiento de los estándares establecidos por la Organización Mundial de la Salud (OMS) y sus implicancias en la salud pública. Este proyecto pretende atender la falta de herramientas que permitan a la municipalidad disponer de información oportuna y confiable para la toma de decisiones vinculadas al Índice de Calidad del Aire (ICA). La solución propuesta es un sistema basado en técnicas de aprendizaje automático, específicamente utilizando una red neuronal Long Short Term Memory (LSTM) por su eficacia en el análisis de datos históricos y de series temporales. El objetivo es diseñar un modelo predictivo que determine con al menos un 70% de precisión los contaminantes PM2.5 y PM10. La metodología de desarrollo fue Scrum, y la implementación técnica se realizó con Python, TensorFlow, Keras, C#, Angular y servicios en la nube de Azure. Este sistema permitirá a la entidad municipal mejorar la toma de decisiones para mitigar la contaminación ambiental y avanzar hacia una ciudad más saludable y sostenible.

Air quality evaluation in Lima presents a critical challenge, characterized by repeated non-compliance with World Health Organization (WHO) standards and significant public health implications. This project addresses the municipal-level deficiency in reliable tools for timely decision-making related to the Air Quality Index (ICA). The proposed solution is a system based on machine learning, specifically employing a Long Short-Term Memory (LSTM) neural network, selected for its efficacy in historical and time-series data analysis. The primary objective is to design a predictive model capable of determining PM2.5 and PM10 contaminant levels with at least 70% accuracy. The development utilized the Scrum methodology, with a technical implementation involving Python, TensorFlow, Keras, C#, Angular, and Azure cloud services. This system will empower the municipal entity to enhance its decision-making processes, thereby mitigating environmental pollution and promoting a more sustainable and healthier city.