Predicción y análisis de los niveles de contaminación de PM10 mediante perceptrón multicapa en Lima Metropolitana, Perú.

La contaminación atmosférica por material particulado PM10 constituye un problema ambiental y de salud pública en Lima Metropolitana, por su variabilidad espaciotemporal y su relación con las condiciones meteorológicas locales; por ello, el estudio tuvo como objetivo predecir y analizar sus concentr...

Descripción completa

Guardado en:
Autor principal: Jara Acebedo, Carlos Orlando
Otros Autores: Lopez Gonzales, Javier Linkolk
Formato: Tesis de pregrado
Lenguaje:español
Publicado: Universidad Peruana Unión 2026
Materias:
Perceptrón multicapa
Calidad de aire
Predicción ambiental
Redes neuronales artificiales
Acceso en línea:Enlace permanente (DOI o Handle)
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
_version_ 1881816959893372928
asesor_orcid_str_mv 0000-0003-0847-0552
asesor_str_mv Lopez Gonzales, Javier Linkolk
author Jara Acebedo, Carlos Orlando
author2 Lopez Gonzales, Javier Linkolk
author_browse Jara Acebedo, Carlos Orlando
Lopez Gonzales, Javier Linkolk
author_facet Lopez Gonzales, Javier Linkolk
Jara Acebedo, Carlos Orlando
author_sort Jara Acebedo, Carlos Orlando
collection Repositorio institucional
comunidad_str_mv 5. Especialidad
Tesis y disertaciones
description La contaminación atmosférica por material particulado PM10 constituye un problema ambiental y de salud pública en Lima Metropolitana, por su variabilidad espaciotemporal y su relación con las condiciones meteorológicas locales; por ello, el estudio tuvo como objetivo predecir y analizar sus concentraciones horarias mediante un modelo de Perceptrón Multicapa, utilizando registros de PM10 y variables meteorológicas de las estaciones de Ate, Campo de Marte, Carabayllo, Huachipa y San Martín de Porres durante 2017–2018, con una red neuronal feedforward entrenada mediante el algoritmo Adam e integrada por variables meteorológicas y rezagos temporales, cuyo desempeño se evaluó mediante el error absoluto medio, la raíz del error cuadrático medio, el coeficiente de determinación y la correlación de Pearson. El modelo mostró un rendimiento predictivo global moderado y consistente para estimar concentraciones horarias de PM10, con MAE = 19.360 µg/m³, RMSE = 35.213 µg/m³, R² = 0.630 y r = 0.796. El desempeño difirió entre estaciones, reflejando la heterogeneidad espacial del contaminante en Lima Metropolitana. San Martín de Porres obtuvo los mejores resultados, con MAE = 9.874 µg/m³, RMSE = 14.645 µg/m³, R² = 0.712 y r = 0.847. Los residuos se concentraron cerca de cero, aunque aumentaron durante episodios extremos. Los hallazgos indican que el Perceptrón Multicapa constituye una alternativa útil para la predicción horaria de PM10 en entornos urbanos complejos, al capturar parte de la variabilidad temporal asociada a las condiciones meteorológicas y a la persistencia del contaminante. No obstante, su desempeño debe interpretarse con cautela frente a episodios extremos y requiere comparación rigurosa con modelos de referencia antes de afirmar superioridad predictiva. En conjunto, el modelo propuesto ofrece evidencia empírica para apoyar el monitoreo, análisis y gestión de la calidad del aire en Lima Metropolitana.
escuela_str_mv Escuela de Posgrado
format info:eu-repo/semantics/bachelorThesis
id oai:repositorio.upeu.edu.pe:20.500.12840/12035
institution UPeU
jurado_str_mv Huanca Lopez, Lizeth Geanina
Gonzales Garay, Jhon Harol
Tocto Cano, Esteban
Orrego Granados, David Leandro
Lopez Gonzales, Javier Linkolk
language Spanish
linea_str_mv Predicción estadística
ocde_area_str_mv Ciencias naturales
ocde_disciplina_str_mv Matemáticas
ocde_str_mv 1.01.03
programa_nombre_str_mv Segunda Especialidad en Estadística Aplicada para Investigación
programa_pxx_str_mv SEG26
publishDate 2026
publishDateRange 2026
publishDateSort 2026
publisher Universidad Peruana Unión
publisherStr Universidad Peruana Unión
record_format dspace
sede_str_mv Lima
spelling Predicción y análisis de los niveles de contaminación de PM10 mediante perceptrón multicapa en Lima Metropolitana, Perú. Jara Acebedo, Carlos Orlando Lopez Gonzales, Javier Linkolk Perceptrón multicapa Calidad de aire Predicción ambiental Redes neuronales artificiales La contaminación atmosférica por material particulado PM10 constituye un problema ambiental y de salud pública en Lima Metropolitana, por su variabilidad espaciotemporal y su relación con las condiciones meteorológicas locales; por ello, el estudio tuvo como objetivo predecir y analizar sus concentraciones horarias mediante un modelo de Perceptrón Multicapa, utilizando registros de PM10 y variables meteorológicas de las estaciones de Ate, Campo de Marte, Carabayllo, Huachipa y San Martín de Porres durante 2017–2018, con una red neuronal feedforward entrenada mediante el algoritmo Adam e integrada por variables meteorológicas y rezagos temporales, cuyo desempeño se evaluó mediante el error absoluto medio, la raíz del error cuadrático medio, el coeficiente de determinación y la correlación de Pearson. El modelo mostró un rendimiento predictivo global moderado y consistente para estimar concentraciones horarias de PM10, con MAE = 19.360 µg/m³, RMSE = 35.213 µg/m³, R² = 0.630 y r = 0.796. El desempeño difirió entre estaciones, reflejando la heterogeneidad espacial del contaminante en Lima Metropolitana. San Martín de Porres obtuvo los mejores resultados, con MAE = 9.874 µg/m³, RMSE = 14.645 µg/m³, R² = 0.712 y r = 0.847. Los residuos se concentraron cerca de cero, aunque aumentaron durante episodios extremos. Los hallazgos indican que el Perceptrón Multicapa constituye una alternativa útil para la predicción horaria de PM10 en entornos urbanos complejos, al capturar parte de la variabilidad temporal asociada a las condiciones meteorológicas y a la persistencia del contaminante. No obstante, su desempeño debe interpretarse con cautela frente a episodios extremos y requiere comparación rigurosa con modelos de referencia antes de afirmar superioridad predictiva. En conjunto, el modelo propuesto ofrece evidencia empírica para apoyar el monitoreo, análisis y gestión de la calidad del aire en Lima Metropolitana. 2026-10-21 2026-11-13T17:03:35Z 2028-10-21 info:eu-repo/date/embargoEnd/2028-10-21 info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/12035 spa info:eu-repo/semantics/embargoedAccess https://creativecommons.org/licenses/by-nc/4.0/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/12035 2026-11-13T20:31:06Z com_20.500.12840_9 5. Especialidad com_20.500.12840_5 Tesis y disertaciones col_20.500.12840_6210 Segunda Especialidad Profesional de Ingeniería: Estadística Aplicada Para Investigación
spellingShingle Perceptrón multicapa
Calidad de aire
Predicción ambiental
Redes neuronales artificiales
Jara Acebedo, Carlos Orlando
Predicción y análisis de los niveles de contaminación de PM10 mediante perceptrón multicapa en Lima Metropolitana, Perú.
title Predicción y análisis de los niveles de contaminación de PM10 mediante perceptrón multicapa en Lima Metropolitana, Perú.
title_full Predicción y análisis de los niveles de contaminación de PM10 mediante perceptrón multicapa en Lima Metropolitana, Perú.
title_fullStr Predicción y análisis de los niveles de contaminación de PM10 mediante perceptrón multicapa en Lima Metropolitana, Perú.
title_full_unstemmed Predicción y análisis de los niveles de contaminación de PM10 mediante perceptrón multicapa en Lima Metropolitana, Perú.
title_short Predicción y análisis de los niveles de contaminación de PM10 mediante perceptrón multicapa en Lima Metropolitana, Perú.
title_sort prediccion y analisis de los niveles de contaminacion de pm10 mediante perceptron multicapa en lima metropolitana peru
topic Perceptrón multicapa
Calidad de aire
Predicción ambiental
Redes neuronales artificiales
topic_facet Perceptrón multicapa
Calidad de aire
Predicción ambiental
Redes neuronales artificiales
url https://hdl.handle.net/20.500.12840/12035
work_keys_str_mv AT jaraacebedocarlosorlando prediccionyanalisisdelosnivelesdecontaminaciondepm10medianteperceptronmulticapaenlimametropolitanaperu

Ejemplares similares