Imputación de datos a partir de la búsqueda de patrones en un conjunto de datos de contaminantes atmosféricos

Abstract

Los sensores de contaminantes atmosféricos capturan gran cantidad de datos, parte de esta información se pierde por diversas causas incluyendo errores en los sensores y errores humanos. Este trabajo plantea una solución a este inconveniente con la imputación de datos perdidos a través de una red neuronal NARX implementada en Matlab para el relleno de estos datos. El pre-procesamiento de los datos incluyó la estandarización de las variables de entrada, y la eliminación los valores atípicos. Posteriormente se calculó el valor del ángulo entre los niveles de las variables de entradas considerando intervalos de 10 minutos. La red neuronal utiliza como variables de entrada los contaminantes O3, CO, NO2, SO2, PM2_5 y Temperatura de acuerdo al análisis previo de interacciones entre contaminantes. El O3 y NO2 muestran los mejores resultados con valores de R = 0.85 y R=0.73 respectivamente, valores obtenidos con el conjunto de pruebas.