Análisis de la correlación espacio-temporal de las partículas 2.5 (PM2.5) y su impacto en la salud pública utilizando IA

Resumen

El material particulado de 2.5 micras (PM2.5) representa un riesgo significativo para la salud en Bogotá D.C., Colombia, especialmente en la localidad de Kennedy, donde se registran altas concentraciones. Este estudio entrena y compara modelos predictivos univariados utilizando herramientas de análisis de datos e inteligencia artificial (IA), y presenta formas de contribuir a la gestión localizada de la calidad del aire. La metodología incluyó el uso de cinco años de datos históricos, validación cruzada, técnicas de optimización de hiperparámetros y pronósticos de un mes, empleando librerías especializadas. Los hallazgos principales indican que, aunque los modelos univariados enfrentan limitaciones dada la complejidad del fenómeno, pueden ofrecer predicciones razonables, son de bajo costo y fáciles de implementar. La conclusión clave es que estos modelos constituyen herramientas viables para apoyar políticas ambientales específicas a corto plazo. Esto implica que los gestores y responsables de políticas públicas pueden utilizar estos modelos accesibles para una acción inmediata, mientras que se sugiere evaluar el costo-beneficio de implementar modelos multivariados más complejos en aplicaciones futuras.