Investigadores de la Universidad Politécnica de Madrid (UPM) han logrado mejorar las capacidades de predicción de los modelos de contaminación atmosférica a corto plazo mediante técnicas de inteligencia artificial.

En concreto, el estudio ha permitido predecir con éxito las superaciones máximas diarias del umbral de ozono en el área de Hong Kong y los resultados según los investigadores son "del máximo interés" ya que la predicción precisa y rápida de las concentraciones de ozono troposférico resulta fundamental para el manejo del sistema público de alerta de contaminación.

La contaminación atmosférica está atrayendo la atención pública puesto que puede causar graves problemas de salud. La Agencia de Protección Ambiental de Estados Unidos (EPA), así como la Unión Europea y el resto de países, han establecido diferentes umbrales, tanto de alerta como de riesgo para la vegetación o la salud humana, en función tanto del contaminante como del contexto.

El objetivo de los poderes públicos es garantizar, tanto con políticas como con actuaciones, que estos umbrales no sean excedidos y, por ello, cuando esto sucede, la predicción de la evolución de los valores en las siguientes horas se convierte en un elemento esencial, al menos de las medidas correctivas.

Sin embargo, los modelos computacionales tienen limitaciones severas en la precisión, ya que son muy sensibles a las condiciones de contorno en puntos concretos, donde la incertidumbre aumenta rápidamente.

Las técnicas basadas en modelos de regresión, como tienden a minimizar los errores cometidos en el conjunto de datos, a menudo infravaloran los picos de contaminación que son, precisamente los más interesantes de predecir porque estos valores marcarán las medidas a adoptar en cada caso.
Ante esta situación, una investigadora del grupo Proyectos y Calidad de la Universidad Politécnica de Madrid ha desarrollado una metodología que combina el pre-procesamiento del conjunto de datos que se utilizan para aprender el comportamiento de los fenómenos físicos con técnicas de regresión y de inteligencia artificial, empleando una técnica de votación entre diferentes modelos para mejorar la capacidad predictiva.

Mejora del 30 al 80%

La autora principal del estudio, Bing Gong, ha explicado que los datos se obtienen poseen "buenas propiedades de sensibilidad y estabilidad y los resultados mejoran los convencionales entre un 30 y un 80%".

El estudio se ha realizado en Hong Kong, pero otros miembros del grupo de investigación están realizando trabajos en los que se abordan problemáticas similares en otras ciudades como Marrakech o Ciudad de México.

El responsable del grupo de investigación Joaquín Ordieres, ha explicado que lo que pretenden es permitir la incorporación de elementos adicionales, como considerar la calidad del aire doméstico o de la oficina. "Se entiende que este es el siguiente paso lógico, para poder proporcionar al individuo y al sistema sanitario evidencias de exposición más concluyentes que los valores genéricos de inmisión registrados", ha concluido.