https://doi.org/10.37815/rte.v34n3.952
Artículos originales
Extracción de conocimiento mediante ventanas de ti=
empo
en variables atmosféricas
Knowledge
extraction through time windows on atmospheric variables
Nicolás Alvarez1 <=
/span>https://orcid.org/0000-0=
002-4649-6844,
Jaime Panata1 https://orcid.org/0000-0=
001-6233-4899, Marcos Orellana1 https://orcid.org/0000-0=
002-3671-9362, Priscila Cedillo
1
nicolas.alvarez@es.uazuay.edu.ec=
, panatta3004@es.uazuay.edu.ec, marore@uazuay.edu.ec, jorge.zambrano@uazuay.edu.ec, flima@uazuay.edu.ec
2
priscila.cedillo@ucuenca.edu.ec<=
span
style=3D'mso-bookmark:_Hlk61880979'>
Enviado: 2022/07/01
Aceptado: 2022/09/16
Publicado:
2022/11/30
Resumen
La industrialización y el rápido crecimiento de
zonas urbanas aumentan alarmantemente la presencia de contaminantes
atmosféricos. Estos contaminantes afectan la calidad de vida de las persona=
s y
se crea una oportunidad de estudio para determinar su comportamiento
atmosférico y la relación entre variables meteorológicas presentes en el
ambiente. Previo a esto, se aplicaron ventanas rodantes de tiempo para elim=
inar
datos anómalos. A continuación, se identificaron variables y se segmentaron=
los
datos a través del algoritmo X-means. También, =
dos
clústeres que representan las relaciones entre pares de variables y la
temporalidad de las ventanas de tiempo. Como resultado, se encontró una
correlación inversa de -0,78 entre las variables de ozono y punto de rocío
dentro de las horas de la jornada laboral.
=
Pa=
labras
clave: =
clúster,
correlación, X-means, contaminantes atmosférico=
s,
variables meteorológicas, ventanas de tiempo.
Sumario: Introducción, Trabajos relacionados, Metodología, Resultados y
Discusión y Conclusiones. Como citar:<=
/span> Alvarez, N., Panata, J., Orellana, M., Cedillo, P., Zamb=
rano-Martinez, J. L. & Lima, J. F. (2022). Extrac=
ción
de conocimiento mediante ventanas de tiempo en variables atmosféricas.=
Revista
Tecnológica - Espol, 34(3), 72-83. http://www.rte.espol.e=
du.ec/index.php/tecnologica/article/view/952
Abstract
Industrialization and the rapid growth of urban are=
as
are alarmingly increasing the presence of air pollutants. These pollutants
affect the quality of life of people and present an opportunity for study is
created to determine the atmospheric behavior and relationship between
meteorological variables present in the environment. Prior to this, rolling
windows of time were applied to remove anomalous data. Next, variables were
identified, and the data was segmented through the X-means algorithm. Also,=
two
clusters that represent the relationships between pairs of variables and the
temporality of the time windows. As a result, an inverse correlation of -0.=
78
was found between the ozone and dew point variables within the hours of the
working day.
Introducción
La actividad h=
umana ha
contribuido significativamente a la contaminación del aire, mediante la
industrialización y el crecimiento acelerado de zonas urbanas (Parker, 1983=
).
Esta problemática la aborda la comunidad científica con el objetivo de
controlar las fuentes de alta emisión de contaminantes. El incremento de la
contaminación del aire genera exponencialmente consecuencias en el ambiente=
, y,
por ende, el cambio climático a nivel mundial (Chong et al., 2019), (Cliffo=
rd
et al., 2016), (Franchini et al., 2016).
La contaminaci=
ón del
aire es entendida como la presencia de sustancias químicas o material
particulado (PM) en el medio ambiente. Este último, por su cantidad o su
composición química causa perjuicio a los seres humanos y otros organismos
vivos impidiendo el funcionamiento de procesos naturales (Goel
et al., 2012). Así mismo, Brook, et al. (2010) demuestran que el contenido =
de
PM contribuye al aumento de las tasas de mortalidad y disminuye la esperanz=
a de
vida de la población. Por otro lado, expertos declaran que, el índice alto =
de
contaminación del ambiente, está relacionado con
implicaciones psicológicas. Así lo demuestran Zhang et al. (2017), donde
afirman que la existencia de contaminantes en el aire reduce significativam=
ente
la felicidad hedónica y aumenta los síntomas de depresión.
Además, la
contaminación del aire se ve afectada por diferentes elementos, entre ellos=
se
destacan los contaminantes atmosféricos, como: el dióxido de carbono (CO
La predicción =
de la
cantidad de sustancias contaminantes en el aire, puede ser un soporte en ta=
reas
para mitigar el problema de la contaminación. Una forma de realizar esto es=
la
definición de indicadores que determinen el grado de contaminación del aire,
mediante una implementación técnicas de extracción de conocimiento. Mediant=
e el
uso de estadística clásica, correlación de variables y ventanas temporales
Orellana, et al. (2021) explican la relación existente entre los contaminan=
tes
atmosféricos y las variables meteorológicas. La relación entre un par de
variables (correlación entre dos variables) es representada mediante una
ecuación (Sperman o Pearson) dependiendo de la
distribución de los datos. Y, por otro lado, las ventanas de tiempo rodante=
s,
que es una técnica que permite dividir una serie de tiempo en intervalos o
secciones para profundizar el análisis en dicho intervalo, ambas ya utiliza=
das
en el estudio mencionado. Sin embargo, es posible incluir técnicas de
aprendizaje de máquina para que la asociación de los datos dentro de las
ventanas de tiempo sea más fuerte.
Existen divers=
as
técnicas para detectar asociaciones entre variable dentro del aprendizaje automático. Por un lado, =
técnicas
supervisadas predicen el comportamiento mediante la extracción de informaci=
ón
de un gran conjunto de datos con técnicas de minería de datos. En este camp=
o,
los modelos de predicción necesitan una entrada correctamente etiquetada co=
n la
salida esperada; es decir, construir patrones que deriven en una salida
esperada (Russell & Norvig, 2003). Otro gru=
po de
estas técnicas plantean descubrir las relaciones existentes sobre un gran
conjunto de datos, pero sin la información de salida como en el caso de los
sistemas no supervisados (Russell & Norvig,
2003).
Sin embargo, cuando se dispone de datos sin etiquetar, se da paso a =
otro
tipo de técnicas, las no supervisadas, siendo las técnicas de agrupamiento =
o clusterización las de mayor demanda (Paulose
et al., 2018), (Fränti & Sieranoja,
2018). La clusterización es una técnica de
aprendizaje automático no supervisado que encuentra patrones y conocimiento=
dentro
de un grupo de datos sin una etiqueta. Mediante la relación de los datos se
generan grupos a base de la distancia que tienen entre sí, y así forman
conglomerados con similitud en los atributos seleccionados. El resultado
obtenido en esta técnica es un modelo de comportamiento de la información c=
apaz
de predecir similares situaciones (Russell & Norvi=
g,
2003). Lo cual, permite el descubrimiento y asignación de etiquetas a los d=
atos
que, de otra manera, no se podría identificar.
La presente investigación se aplica la té=
cnica
no supervisada de clusterización para generar
conocimiento a partir de las relaciones existentes entre los contaminantes
atmosféricos y las variables meteorológicas del ambiente de la ciudad de
Cuenca, Ecuador. Este estudio está estructurado de la siguiente manera: la
Sección II expone trabajos relacionados con métodos similares, la Sección I=
II
presenta la metodología utilizada para realizar esta investigación, la Secc=
ión
IV describe los resultados obtenidos, la Sección V presenta las conclusione=
s de
esta investigación y sus trabajos futuros.
Trabajos relacionados
Existen divers=
os
trabajos que estudian tanto a los contaminantes atmosféricos, como a las
variables meteorológicas, permitiendo extraer información para diferentes
propósitos como: la creación y mejoramiento de sistemas predictivos o para
solventar falencias a la hora de obtener los datos. A continuación, se pres=
enta
los trabajos que han vinculado diversas técnicas de aprendizaje de maquina =
en
búsqueda de la mejora de resultados haciendo parte de nuevos sistemas
predictivos.
Los autores
En el trabajo =
de Othman et al., (2017) se utilizaron datos de la ciuda=
d de
Putrajaya – Malaysia, entre los años de 2005 a 2012, para examinar las
relaciones entre la temperatura y el Ozono (O3). Los investigado=
res
utilizan técnicas de agrupamiento y reglas de asociación para superar los
resultados que hasta ese momento se obtenían con clásicas técnicas
estadísticas. En este artículo, se afirma que los métodos de pronóstico
estadísticos presentan defectos como la necesidad de analizar los datos con
anterioridad y no utilizar datos sintéticos, dado que éstos generan resulta=
dos
incorrectos si se los compara con la utilización de datos reales.
De manera simi=
lar Gu, et al., (2018) realizan un predictor recurrente de
calidad de aire (RAQP). Según los autores, el RAQP es el primero en aplicar
estrategias recurrentes para la predicción del aire. Este predictor fue
construido a partir de la combinación del Support
Vector Regression (SVR) y un framework
presentado por el mismo autor en este artículo. También se utilizaron
estrategias para introducir ruido en los datos y mejorar la generalización =
de
los módulos de regresión.
En la investig=
ación
realizada por Yang et al., (2009) se demuestra un descubrimiento en las reg=
las
de asociación basadas en técnicas evolutivas, con el fin de obtener relacio=
nes
entre series temporales correlacionadas. De esta manera, dicha contribución
propone un algoritmo genético que determina los intervalos, luego el algori=
tmo
forma reglas sin discretizar atributos y por último permite la superposició=
n de
las regiones cubiertas por las reglas. Este algoritmo ha sido probado en se=
ries
temporales climáticas del mundo real, como la temperatura, el viento y el
ozono.
Otro artículo
presentado por Otham, et al. (2016) proponen la
obtención de un pronóstico de lluvia preciso, con la ayuda de la extracción=
de
datos para una predicción con mayor precisión de las precipitaciones de llu=
via.
Los investigadores utilizan la minería de datos desarrollando una distribuc=
ión
del modelo de pronóstico de lluvias basada en una representación de datos
simbólicos usando Piecewise o regresión lineal =
por
partes. Ésta es una forma de regresión que permite ajustar múltiples modelos
lineales a los datos para diferentes rangos de la variable analizada. Así, =
cada
dato almacenado de las precipitaciones, se prese=
nta
gráficamente; pues se limita a descubrir patrones comprensibles, debido a q=
ue
son visualizados con base en los valores de la serie temporal.
En los artícul=
os antes
mencionados, los autores utilizaron en conjunto técnicas de relevancia,
sobresaliendo: redes neuronales, técnicas de asociación, y SVR; en el cual
todas las variables son parte del algoritmo y generan los resultados
prometedores. Sin embargo, es necesario profundizar en el análisis entre pa=
res
de variables para detectar asociaciones específicas. Por lo tanto, en este
estudio se presenta el análisis específico de pares de variables siendo est=
os
pares las entradas mínimas para los algoritmos.
M
En este=
apartado
se presenta una metodología para extraer conocimiento relevante sobre la
interacción de los contaminantes atmosféricos y las variables meteorológica=
s en
diferentes horas del día. La metodología propuesta en esta investigación co=
nsta
de las siguientes actividades: A) Limpiar datos, B) Crear ventanas de tiemp=
o,
C) Correlacionar datos, D) Generar clústeres, E) Análisis de la generación =
de
clústeres. La limpieza de datos y la creación de ventanas de tiempo se real=
izan
para manipular los datos sin generar alteraciones en los resultados. La Figura
1 representa las etapas de la metod=
ología
propuesta en un diagrama Software & Systems=
Process Engineering Metamodel (SPEM) 2.0.
Diagrama de procesos en SPEM 2.0<= /span>
Los datos utilizados para presentar la insta=
ncia
de la metodología propuesta, representan datos de
variables meteorológicas y contaminantes atmosféricos, fueron proporcionados
por el Instituto de Estudios de Régimen Seccional del Ecuador (IERSE). Los
datos correspondientes al año 2018 fueron recolectados en la ciudad de Cuen=
ca,
Ecuador con un intervalo de un minuto y corregidos mediante la presión
barométrica local del aire. La Tabla
1 muestra un resumen general con lo=
s datos
estadísticos descriptivos de las variables meteorológicas y los contaminant=
es
atmosféricos, estos valores son equivalentes a cero, es decir, lecturas
bastante pequeñas, las mismas que truncadas a dos dígitos generan este valo=
r.
Estadísticas descriptivas de las
variables recopiladas en Cuenca, Ecuador
|
VARIABLE |
UNIDAD |
|
|
DS |
MÍNIMO |
25% |
MEDIANA |
50% |
MÁXIMO |
|
Contaminantes del Aire |
|||||||||
|
Ozono(O3) |
ug/m3 |
42291,00 |
30,89 |
|
|
|
|
|
|
|
Monóxido de
Carbono (CO) |
ug/m3 |
|
0,86<=
span
lang=3DES-US style=3D'font-size:8.0pt;line-height:102%;mso-fareast-font-f=
amily:
"Times New Roman";mso-fareast-theme-font:minor-fareast;mso-ansi-language:
ES-US'> |
|
|
|
|
|
|
|
Dióxido de
Sulfuro (SO2) |
ug/m3 |
42374,00 |
7,92 |
|
|
|
|
|
|
|
Dióxido de
Nitrógeno (NO2) |
ug/m3 |
42394,00 |
17,35 |
|
|
|
|
|
|
|
Material
Particulado (PM2.5) |
ug/m3 |
43044,00 |
14,85 |
|
|
|
|
|
|
|
Variables
Meteorológicas |
|||||||||
|
Temperatura=
del
Aire (TEMP) |
°C |
3936,00 |
7,44 |
|
|
|
|
|
|
|
Punto de Ro=
cío
(PR) |
°C |
3936,00 |
7,44 |
|
|
|
|
|
|
|
Variables Meteorológicas |
|||||||||
|
Velocidad d=
el
Aire (VA) |
m/s |
3936,00 |
1,59 |
|
|
|
|
|
|
|
Precipitaci=
ón |
Mm |
3936,00 |
0,01 |
|
|
|
|
|
|
|
Radiación
Global |
w/m2 |
3936,00 |
189,30 |
|
|
|
|
|
|
|
Radiación U=
VA |
w/m2 |
3936,00 |
12,50 |
|
|
|
|
|
|
|
Radiación U=
VE |
w/m2 |
3936,00 |
0,01 |
|
|
|
|
|
|
|
Humedad
Relativa (HR) |
% |
3936,00 |
63,82 |
|
|
|
|
|
|
|
Presión
Atmosférica (PATM) |
hPa |
3936,00 |
751,80 |
|
|
|
|
|
|
Limpiar datos
Se depu=
ran lo
datos para prepararlos para el proceso de minería de datos que se describen=
en
las secciones siguientes. El proceso de limpieza de datos mejora la calidad=
de
los datos al eliminar y los fragmentos que disminuyen su usabilidad. Los pa=
sos
involucran la eliminación de datos inexactos, incompletos e irrelevantes pa=
ra
extraer su máximo beneficio (Juneja & Das, =
2019).
Como resultado se obtiene una colección de datos depurados para la aplicaci=
ón
de técnicas de extracción de conocimiento.
Para es=
te
estudio, se seleccionaron las variables descritas en la Tabla I; a excepció=
n de
radiación global y precipitación. Los que presentaban largos tramos donde l=
os
datos estaban formados únicamente por valores de cero. =
De
acuerdo a la fórmula de la correlación (Lind
et al., 2012) no se puede tener una variable cuyo vector está formado
únicamente por valores en cero, pues resultaría en una indeterminación caus=
ada
por una división por cero.
Similar al estudio de Orellana et al. (2021)=
se
encuentran patrones durante las horas del día, sin considerar horarios
nocturnos. Los datos se filtraron con base en la selección de horas, entre
05:00 y 20:00. En este rango de horas, se encuentran mediciones completas de
las variables seleccionadas y representan un comportamiento coherente de las
mismas.
Crear ventanas de tiempo
Las ventanas rotativas de tiempo se caracter=
izan
por suavizar el comportamiento de una variable y unificar días en una secue=
ncia
de tiempo única (Orellana et al., 2021). P=
ara
realizar una buena correlación y agrupamiento adecuado, fue necesario corre=
gir
problemas de datos anómalos, los mismos que se presume se produjeron durant=
e la
captura de datos por parte de los sensores. Esta corrección se realiza medi=
ante
el uso de ventanas de tiempo con un rango de 10 minutos. Los rangos de 10
minutos fueron promediados, entregando un conjunto de datos suavizado, pero=
sin
perder el significado de los mismos. Es importan=
te
recalcar que, las ventanas de tiempo no solo se realizaron dividiendo los d=
atos
en intervalos de 10 minutos, sino que se dividieron también en intervalos d=
e 60
minutos como límite superior en el ancho total de las ventanas, antes de it=
erar
nuevamente en los intervalos.
Correlación de datos
El anál=
isis de
correlación es el grupo de técnicas para medir la asociación entre dos
variables. El coeficiente de correlación fue creado por Karl Pearson, tambi=
én
llamado coeficiente de Pearson. El mismo que indica la fuerza de la relación
entre dos conjuntos de variables, logrando ser de tipo intervalo o razón. Su
rango oscila entre -1 y 1, lo que significa que una correlación de -1 o 1 es
una relación perfecta. Es decir, si el coeficiente es 1, significa una rela=
ción
lineal directa o positiva, y si es -1 se entiende como una relación indirec=
ta o
negativa. Sin embargo, el coeficiente 0 indica que no existe correlación li=
neal
aparente, así como los valores muy cercanos a este indican una correlación
débil (Murray & Larry, 2009).
Este es=
tudio creó
pares de variables para demostrar la correlación de contaminantes atmosféri=
cos
y variables meteorológicas, donde cada par de variables se encuentra en una
respectiva ventana de tiempo, lo que permite entender cómo se relacionan los
pares y cómo fueron evolucionando a lo largo del día.
El obje=
tivo de
este proceso fue la preparación de los datos para generar clústeres como se
muestra en la Tabla
2. Cada columna de la tabla represe=
nta un
par de correlación y los índices de las filas están dados por la ventana de
tiempo que se utilizó en su generación.
Matriz de correlación y ventanas = de tiempo
|
VENTANA DE
TIEMPO |
(O3, TEMP)=
|
=
(O3, HR) |
=
…=
|
(PM2.5, UV=
A) |
(PM2.5, UV=
E) |
|
5:00 |
0,3022 |
-0,1170 |
… |
0,1054 |
0,4478 |
|
5:10 |
0,4188 |
-0,2065=
|
… |
0,0721 |
0,4365 |
|
5:20 |
0,3461 |
-0,2226 |
… |
0,1441 |
0,4618 |
|
… |
… |
… |
… |
… |
…=
|
|
19:30 |
-0,2984 |
-0,1851 |
… |
0,2872 |
0,4500 |
|
19:40 |
-0,4761 |
-0,0140=
|
… |
0,2072 |
0,4261 |
|
19:50 |
-0,3386 |
-0,1403=
|
… |
0,2862 |
0,4047 |
Generación de clústeres
Para ge=
nerar
patrones de relación entre pares de variables en diferentes horarios, se
utilizaron las técnicas de clusterización k-
K-
Es el a=
lgoritmo
de agrupación más utilizado. Este permite trabajar con una gran cantidad de
datos numéricos de alta dimensionalidad y es capaz de proporcionar un método
eficaz para la clasificación de datos similares (Fränt=
i
& Sieranoja, 2018). K-means aso=
cia
todos los objetos con características semejantes, mediante la minimización =
de
las distancias entre cada objeto y un centroide de grupo. Para la minimizac=
ión,
se hace uso de la ecuación de la distancia euclidiana (Fränti
& Sieranoja, 2018), la cual está expresada =
de la
siguiente manera.
El algo=
ritmo
selecciona los puntos de datos aleatorios como centroides iniciales, para l=
uego
mejorar reiteradamente la solución en dos pasos denominados asignación y
actualización (Yu et al., 2018).
X-
El algo=
ritmo es
una variación de k-means, donde se repite la
aplicación de k-means hasta optimizarlo, esto se
logra al alcanzar el número de clústeres eficientes y optimizar el criterio=
de
información bayesiano (BIC). El objetivo del algoritmo es calcular el númer=
o de
clústeres dinámicamente, para ello, utiliza el límite superior e inferior
proporcionado por el usuario. Si, el límite superior proporcionado es
La gene=
ración de
clústeres se realiza mediante la aplicación del algoritmo X-means,
consiguiendo así la mejor aproximación posible en cada clúster. Para la
aplicación del algoritmo se consideró primordial que la cantidad de clúster=
es
esté entre un mínimo de dos y un máximo de cincuenta. En los clústeres
generados, cada par de variables se encuentran representadas por un punto e=
n el
espacio vinculadas con todas las correlaciones de los pares de variables de=
ntro
de una ventana de tiempo específica. Por tal razón, se consideró importante
incluir las ventanas de tiempo como una variable espacial más, sin embargo,=
por
la naturaleza categórica de la variable, se la transformó en diversas varia=
bles
indicadoras/ficticias.
Análisis de la generación de clústeres=
Los res=
ultados de
aplicar las técnicas de clusterización, dieron =
como
resultado una matriz con los grupos generados, sus centroides y el grupo al=
que
pertenecen los datos. Tal como se indicó en la sección anterior, los centro=
s de
los clústeres formados por el algoritmo k-means=
y x-means, constituyen la media de todos los datos que
conforman el clúster. Por este motivo, se estudiaron y compararon los centr=
os
de cada clúster, para determinar el contenido de cada agrupación y sus
particularidades. Este método permitió establecer la relación de las ventan=
as
temporales en el día, comprender el comportamiento de los pares y examinar =
los
parentescos que se puedan presentar.
Resultados y Dis= cusión
Debido a la estructura que presentan los cen=
tros
resultantes descritos en el apartado anterior, fue posible dividirlos y
estudiarlos en dos partes: A) Análisis ventanas temporales, y B) Análisis de
correlación de pares.
Análisis de ventanas temporales
Una parte de cada centro estaba compuesta po=
r un
grupo de variables ficticias, para evidenciarlas, se analizó la corresponde=
ncia
de cada ventana temporal con uno de los grupos identificados, tal como se
presenta en Figura 2=
.
En la Figura 2=
,
se puede observar que, al clúster A, le pertenecen las ventanas desde las 1=
8:10
hasta las 9:20 y de 17:20 hasta 17:30. Así mismo, al clúster B, le pertenec=
en
las ventanas desde 9:30 hasta las 17:10 y desde las 17:40 hasta las 18:00. =
Por
lo tanto, el clúster B engloba principalmente las horas laborales del día.
Mientras que desde las 17:20 hasta las 18:00 la clasificación se invierte. =
Este
espacio de tiempo presume que corresponde a la hora en que los trabajadores
culminan su jornada laboral.
Figura 2=
Ventanas en clústeres A y B
Análisis de correlación de pares
Una vez comprendido el tiempo que engloba pa=
ra
cada uno de los clústeres al que pertenece la media de correlación de pares=
en
cada grupo, se realiza la diferenciación de correlación en los marcos de ti=
empo
de cada par, como se puede observar en la Figura 3=
.
Correlación de pares en clústeres A y B
En ambos clústeres, se aprecia como algunos =
de los
valores de correlación oscilan entre el rango de 2 a -2. Lo que significa q=
ue
la mayoría de estos pares no presentan una correlación significativa en
cualquiera de los dos clústeres. Sin embargo, en el clúster B se pueden
rescatar tres puntos altamente significativos: la relación entre el ozono y
punto de roció que llega hasta -0,78 (correlación fuerte); la de ozono y UVA
con 0,38 (correlación débil); y la del ozono con el UVE 0,36 (correlación
débil).
Es importante recalcar que la relación más a=
lta
entre un contaminante y una variable atmosférica se da entre el ozono y pun=
to
de rocío, esto se refleja en la alta correlación presentada dentro del clús=
ter
B (horas laborales del día), ya que su valor dentro del grupo A es de -0.2 =
(una
diferencia significativa cuando se revisó la correlación).
Conclusiones
La actividad humana y la contaminación de=
l aire
en los últimos años ha puesto a la comunidad científica en la tarea de
encontrar las fuentes de contaminación. Esta búsqueda ha usado técnicas de
aprendizaje supervisado, que extrae información mediante minería de datos a=
plicadas
a grandes volúmenes de datos, permitiendo predecir de esta manera el
comportamiento y relaciones de los contaminantes presentes en el aire. Sin
embargo, para encontrar estas relaciones mediante técnicas de aprendizaje
supervisado, se necesita etiquetar las variables a analizar, dejando a la
deriva a las variables que no pueden ser etiquetadas.
El trabajo expuesto, demostró que la apli=
cación
de técnicas no supervisadas, como es el caso de la clu=
sterización,
permite identificar relaciones y patrones de comportamiento en las variables
analizadas. Para efectos prácticos, en este trabajo se tomó como referencia=
los
datos de variables meteorológicas y contaminantes atmosféricos de datos del
IERSE, del año 2018 y seleccionados en un rango entre 05:00 y 20:00.
Con la finalidad de corregir problemas de=
datos
anómalos y suavizar los datos a tratar, se utilizó ventanas de tiempo de 10=
y
60 minutos, permitiendo, eliminar datos erróneos producidos al momento de la
toma de medidas. La técnica de aprendizaje no supervisado para encontrar la
relación entre las variables analizadas, se real=
izó
mediante aplicación de la técnica de clusterización
x-means, la cual, dio como resultado dos clúste=
res,
clúster A y clúster B.
El comportamiento del clúster A es invers=
amente
proporcional al clúster B, en donde el clúster B representa las horas labor=
ales
del día y permite observar una correlación significativa con las variables
ozono y punto de rocío, que fluctúa dependiendo del tiempo. Por lo tanto, la
limitación que se presenta actualmente son las pocas estaciones automáticas=
de
monitoreo para el registro de contaminantes atmosféricos en Ecuador, lo que
imposibilita tener una mayor granularidad en los resultados más precisos.
La relación de las variables encontradas
mediante los clústeres A y B, presenta una oportunidad para próximos anális=
is.
En trabajos futuros, se puede encontrar la relación de los clústeres con las
jornadas u horarios de trabajo. Por otro lado, el análisis futuro no se ve
limitado a un mismo escenario o tamaño en ventanas de tiempo, es decir, la
actual metodología se puede aplicar en diferentes entornos o rangos de tiem=
po.
Las variables analizadas en este trabajo, podrían ser reemplazadas por la relación entre
pares de contaminantes y pares de variables meteorológicas, dando lugar a u=
na
nueva propuesta. Así como otro trabajo futuro es estudiar con los datos
atmosféricos actuales la aplicación distintos tipos de correlación entre sus
variables continuas y representarlos adecuadamente.
Los autores de=
sean
agradecer al Vicerrectorado de Investigaciones de la Universidad del Azuay =
por
el apoyo financiero y académico, así como a todo el personal de la escuela =
de
Ingeniería de Ciencias de la Computación, y el Laboratorio de Investigación=
y
Desarrollo en Informática - LIDI.
Referencias
Brook, R. D., Rajagopal=
an, S.,
Pope, C. A., Brook, J. R., Bhatnagar, A., Diez-Roux, A. V., Holguin, F., Ho=
ng,
Y., Luepker, R. V., Mittle=
man,
M. A., Peters, A., Siscovick, D., Smith, S. C.,=
Whitsel, L., & Kaufman, J. D. (2010). Particulate
matter air pollution and cardiovascular disease: An update to the scientific
statement from the american heart association,.
Circulation, 121(21), 2331–2378. https://doi.org/10.1161/CIR.0b013e3181dbece=
1
Chong, K. C., Lau, W. J=
., Lai,
S. O., Thiam, H. S., & Ismail, A. F. (2019). Preparation and
Characterization of Chromium Metal Organic Framework for Carbon Dioxide
Adsorption. IOP Conference Series: =
Earth
and Environmental Science, 268<=
/i>(1),
012010. https://doi.org/10.1088/1755-1315/268/1/012010
Clifford, A., Lang, L.,=
Chen,
R., Anstey, K. J., & Seaton, A. (2016). Exposure to air pollution and
cognitive functioning across the life course—A systematic literature review=
. Environmental Research, 147, 383–398.
https://doi.org/10.1016/j.envres.2016.01.018
Fr=
anchini, M., Mengoli,
C., Cruciani, M., Bonfanti, C., & Mannucci, P. M. (2016). Association between particula=
te air
pollution and venous thromboembolism: A systematic literature review. European Journal of Internal Medicine<=
/i>, 27, 10–13.
https://doi.org/10.1016/j.ejim.2015.11.012
Fr=
änti, P., & Sieranoja,
S. (2018). K-means properties on six clustering benchmark datasets. Applied Intelligence, 48(12), 4743–4759.
https://doi.org/10.1007/s10489-018-1238-7
Goel, A., Ray, S., Agra=
wal, P.,
& Chandra, N. (2012). Air Pollution Detection Based on Head Selection
Clustering and Average Method from Wireless Sensor Network. 2012 Second International Conference on
Advanced Computing Communication Technologies, 434–438.
https://doi.org/10.1109/ACCT.2012.18
Gu, K., Qiao,
J., & Lin, W. (2018). Recurrent Air Quality Predictor Based on Meteorol=
ogy-
and Pollution-Related Factors. IEEE
Transactions on Industrial Informatics, 14(9),
3946–3955. https://doi.org/10.1109/TII.2018.2793950
Ju=
neja, A., & Das, N. N. =
(2019).
Big Data Quality Framework: Pre-Processing Data in Weather Monitoring
Application. 2019 International
Conference on Machine Learning, Big Data, Cloud and Parallel Computing (
Kumar, P., & Krisha=
n Wasan, S. (2010). Analysis of X-means and global k-me=
ans
USING TUMOR classification. 2010 Th=
e 2nd
International Conference on Computer and Automation Engineering (ICCAE)=
, 5, 832–835.
https://doi.org/10.1109/ICCAE.2010.5451883
Lan, Y., & Dai, Y. =
(2020).
Urban Air Quality Prediction Based on Space-Time Optimization LSTM Model. 2020 3rd International Conference on
Artificial Intelligence and Big Data (ICAIBD), 215–222.
https://doi.org/10.1109/ICAIBD49809.2020.9137441
Lind, D. A., Marchal, W. G., & Wathen, S.
A. (2012). Estadística aplicada a los nego=
cios
y a la economía (15th ed.). McGraw-Hill.
Murray, R. S., & La=
rry, J.
S. (2009). Est=
adística
(4th ed.).
Orellana, M.,
Lima, J.-F., & Cedillo, P. (2021). Discovering Patterns of Time Associa=
tion
Among Air Pollution and Meteorological Variables. In K. Arai (Ed.), Advances in Information and Communicat=
ion
(pp. 205–215). Springer International Publishing.
https://doi.org/10.1007/978-3-030-73103-8_13
Os=
tadabbas, S., & Jafari, R. =
(2010).
Spectral Spatio-Temporal template extraction fr=
om EEG
signals. 2010 Annual International
Conference of the IEEE Engineering in Medicine and Biology, 4678–4682.
https://doi.org/10.1109/IEMBS.2010.5626411
Othman, Z. A., Ismail, =
N.,
& Latif, M. T. (2017). Association rules of temperature towards high and
low ozone in putrajaya. 2017 6th International Conference on Electrical Engineering and
Informatics (ICEEI), 1–5. https://doi.org/10.1109/ICEEI.2017.8312438
Othman, Z. A., Risdiyanto Ismail, N., Aziz Hamdan, A., & Mahmoud=
, S.
(2016). KLANG VALLY RAINFALL FORECA=
STING
MODEL USING TIME SERIES DATA MINING TECHNIQUE. 92, 8.
Parker, A. (=
1983).
Contaminación del aire por la indus=
tria
(1st ed.). Editorial Reverté.
https://www.reverte.com/libro/contaminacion-del-aire-por-la-industria_91542=
/
Paulose, B., Sabitha, S., Punhani, R.,=
& Sahani, I. (2018). Identification of Regions and Probab=
le
Health Risks Due to Air Pollution Using K-Mean Clustering Techniques. 2018 4th International Conference on
Computational Intelligence Communication Technology (CICT), 1–6.
https://doi.org/10.1109/CIACT.2018.8480232
Russell, S. J., & N=
orvig,
P. (2003). Artificial intelligence:=
A
modern approach (2nd ed.). Prentice Hall/Pearson Educati=
on.
Simioni, D., & =
United Nations (Eds.). (2=
003). Contaminación atmosférica y conciencia
ciudadana. Naciones Unidas, CEPAL.
Yang, X., Tang, K., &am=
p; Yao,
X. (2009). The Minimum Redundancy – Maximum Relevance Approach to Building
Sparse Support Vector Machines. In E. Corchado =
&
H. Yin (Eds.), Intelligent Data
Engineering and Automated Learning—IDEAL 2009 (pp. 184–190). Springer.
https://doi.org/10.1007/978-3-642-04394-9_23
Yu, S. S., Chu, S. W., =
Wang, C.
M., Chan, Y. K., & Chang, T. C. (2018). Two improved k-means algorithms=
. Applied Soft Computing Journal, 68, 747–755.
https://doi.org/10.1016/j.asoc.2017.08.032
Zhang, X., Zhang, X., &=
amp;
Chen, X. (2017). Happiness in the air: How does a dirty sky affect mental
health and subjective well-being? J=
ournal
of Environmental Economics and Management, 85, 81–94. https://doi.org/10.1016/j.jeem.2017.04.001
|
|
Nicolás Alvarez, J=
aime Panata, Marcos Orellana, Priscila Cedillo, Jorge
Zambrano-Martinez, Juan Fernando Lima
5
Extracción de conocimient=
o mediante
ventanas de tiempo en variables atmosféricas