Publicación: Modelo predictivo de difusión de contaminante PM2.5 en el área urbana de Bogotá entre 2017-2020 en presencia del Covid-19
Portada
PDF 
FLIP 
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
Como contribución al estudio de la calidad del aire respirable y la necesidad de cuantificar sus características generales y específicas, en el presente trabajo de grado se discute la difusión de material contaminante proveniente de fuentes estáticas y móviles registrado en la red de estaciones de calidad del aire de Bogotá, postulando un modelo predictivo espacio-temporal a partir de las metodologías de imputación (MissForest) y de predicción (Spatial Autorregressive Hilbert (SARH(1))). Estos procedimientos permitieron configurar espacialmente el dominio de las variables de difusión, así como, generar las superficies de concentración de material particulado (PM2,5) y su evolución temporal, prediciendo los valores respectivos de las estaciones faltantes en la ciudad. A partir de esta aproximación se concluye la eficiencia de predicción del modelo y su aplicabilidad en fenómenos financieros, económicos, biológicos, ambientales, entre otros, con características difusivas y baja resolución.
Resumen en inglés
As a contribution to the study of the quality of breathing air and the need to quantify its general and specific characteristics, this dissertation discusses the diffusion of polluting material from static and mobile sources recorded in the network of air quality stations of Bogotá, postulating a spatio-temporal predictive model based on imputation (MissForest) and prediction (Spatial Autoregressive Hilbert (SARH(1))) methodologies. These procedures made it possible to spatially configure the domain of the diffusion variables, as well as generate the concentration surfaces of particulate matter (PM2.5) and its temporal evolution, predicting the respective values of the missing stations in the city. From this approach, the prediction efficiency of the model and its applicability in financial, economic, biological, environmental phenomena, among others, with diffusive characteristics and low resolution, are concluded.
