Redes Neuronales para predicción de contaminación del aire en estaciones del metro de la CDMX

Ponente(s): Víctor Hugo Cordero Correa, Oliver Fernando Cuate González

La calidad del aire en las estaciones del metro de la Ciudad de México (CDMX) es una preocupación creciente debido a los posibles impactos negativos en la salud de los usuarios y empleados del sistema de transporte. Este cartel presenta el desarrollo de un modelo predictivo basado en redes neuronales para estimar los niveles de contaminación del aire en estas estaciones. Se recopiló y preprocesó un amplio conjunto de datos históricos de calidad del aire y variables meteorológicas relevantes. A continuación, se diseñó una arquitectura de red neuronal adecuada y se entrenó el modelo utilizando técnicas avanzadas de aprendizaje automático. Los resultados obtenidos demuestran la capacidad del modelo para realizar predicciones precisas, lo que permite implementar medidas proactivas para mejorar la calidad del aire y proteger la salud pública.