Modelo Predictivo de Calidad del Aire

Resumen: Actualmente el Gobierno de Chile cuenta con mecanismos de pronóstico de calidad del aire aplicados en diferentes ciudades del país, los cuales ayudan a predecir el estado de la contaminación atmosférica al día siguiente, no obstante, existen errores asociados a estos pronósticos, lo que podría implicar en que se decreten episodios de emergencia ambiental cuando no los hay, cómo también que se predigan días sin contaminación, cuando en realidad se presentan altos niveles de polución. Lo anterior, trae consigo graves perjuicios tanto, sociales como económicos, por lo que es una gran necesidad mejorar estos mecanismos de predicción para evitar este tipo de errores. El presente proyecto considera el desarrollo de un modelo de pronóstico implementando algoritmos de machine learning que permitan predecir el estado de la calidad del aire en la Región Metropolitana. Para esto se utilizaron datos provenientes de estaciones de calidad del aire en la región, los cuales fueron entrenados con modelos tales como Neural Networks y Random Forest. En su desarrollo, se probaron distintos parámetros de ajuste que permitieron obtener un buen resultado en términos generales (aprox. 83% de aciertos). Además, se logró elaborar una herramienta de visualización que ayudaba a mostrar los resultados obtenidos de una forma concisa y estética.