Predicción de la calidad del aire de Madrid mediante modelos supervisados

Abstract

Cada día, una persona respira de media un volumen de aire de 12.000 litros (12 m³). En las ciudades, la calidad de ese aire no suele ser muy buena. Puede estar contaminado por el tráfico, la industria y muchas otras actividades. Sabemos que existe una relación directa entre la calidad del aire que respiramos y la salud humana, por ello, la ciudad de Madrid dispone de un plan de calidad del aire y cambio climático. Este plan, trata de garantizar la calidad del aire de la ciudad y define una serie de acciones para la reducción de la contaminación, como por ejemplo restricciones de tráfico. Estas acciones se toman en base a mediciones por toda la ciudad y desgraciadamente se suelen tomar con poca anticipación. El objetivo de este trabajo final de máster, es utilizar diferentes algoritmos de minería de datos para crear un modelo que nos permita realizar una predicción de la calidad del aire de Madrid de manera precisa y con una mayor antelación. Para ello, se hará uso de datos abiertos con un histórico de la calidad del aire, la meteorología y el calendario laboral de la ciudad. Estos datos serán combinados y preparados para ser utilizados con diferentes técnicas y algoritmos de minería de datos (MLP, LSTM, CNN y SVM).A partir de los modelos generados, se comprobará si es posible realizar una predicción de la calidad del aire de Madrid con suficiente precisión y antelación como para mejorar la actual planificación de medidas y restricciones establecidas.

Cada dia, una persona respira de mitjana un volum d'aire de 12.000 litres (12 m³). A les ciutats, la qualitat d'aquest aire no sol ser molt bona. Pot estar contaminat pel trànsit, la indústria i moltes altres activitats. Sabem que existeix una relació directa entre la qualitat de l'aire que respirem i la salut humana, per això, la ciutat de Madrid disposa d'un pla de qualitat de l'aire i canvi climàtic. Aquest pla, tracta de garantir la qualitat de l'aire de la ciutat i defineix una sèrie d'accions per a la reducció de la contaminació, com per exemple restriccions de trànsit. Aquestes accions es prenen sobre la base de mesuraments per tota la ciutat i desgraciadament se solen prendre amb poca anticipació. L'objectiu d'aquest treball final de màster, és utilitzar diferents algorismes de mineria de dades per a crear un model que ens permeti realitzar una predicció de la qualitat de l'aire de Madrid de manera precisa i amb una major antelació. Per a això, es farà ús de dades obertes amb un històric de la qualitat de l'aire, la meteorologia i el calendari laboral de la ciutat. Aquestes dades seran combinades i preparats per a ser utilitzats amb diferents tècniques i algorismes de mineria de dades (MLP, LSTM, CNN i SVM).A partir dels models generats, es comprovarà si és possible realitzar una predicció de la qualitat de l'aire de Madrid amb suficient precisió i antelació com per a millorar l'actual planificació de mesures i restriccions establertes.

Each day, a person breathes on average an air volume of 12,000 liters (12 m³). In cities, the quality of that air is usually not very good. It can be contaminated by traffic, industry and many other activities. We know that there is a direct relationship between the quality of the air we breathe and human health, therefore, the city of Madrid has a plan for air quality and climate change. This plan tries to guarantee the air quality of the city and defines a series of actions to reduce pollution, such as traffic restrictions. These actions are taken based on measurements throughout the city and unfortunately are usually taken with little anticipation. The objective of this master's degree final project is to use different data mining algorithms to create a model that allows us to make a prediction of the quality of the air in Madrid in a precise manner and with greater anticipation. For this purpose, it will be used open data with a historic of air quality, meteorology and the city's work calendar. These data will be combined and prepared to be used with different techniques and data mining algorithms (MLP, LSTM, CNN and SVM). From the generated models, it will be verified if it is possible to make a prediction of the air quality in Madrid with great precision and anticipation in order to improve the current planning of established actions and restrictions.