Gráficas Inteligentes: Selección eficiente de variables para la predicción de la contaminación

Ponente(s): Juan Ángel Acosta Ceja, Julián Alberto Fresán Figueroa, Diego Antonio González Moreno, Máximo Eduardo Sánchez Gutiérrez, Alma Rocío Sagaceta Mejía

La contaminación del aire es un problema ambiental sumamente grave para las grandes ciudades, como la Ciudad de México, ya que se ha comprobado que está relacionada con una variedad de enfermedades respiratorias, cardiovasculares y otras condiciones crónicas. Por esta razón, es importante monitorear los índices de contaminación y tomar acciones preventivas y anticipadas para reducir sus niveles. Para lograr este objetivo, es fundamental identificar las variables más relevantes para la predicción de la contaminación y clasificar los índices en función del daño que puedan ocasionar. El objetivo principal de este estudio es identificar las variables más importantes involucradas en el problema, lo cual podría mejorar el rendimiento y tiempo de distintos modelos de predicción como las redes neuronales, utilizadas, por ejemplo, para la predicción y clasificación de contaminantes. En este trabajo, modelamos este problema empleando diversas técnicas de la teoría de gráficas, utilizando ciertas invariantes para seleccionar las características más importantes. Este enfoque permite considerar la relación intrínseca entre pares de variables.