Imputación de datos faltantes del material particulado PM2.5 y su asociación con variables meteorológicas en la ciudad de Chanchamayo, región Junín, 2025

dc.contributorÁlvarez Tolentino, Daniel Martin
dc.contributor.authorBarrera Quispe, Jeferson Walter
dc.contributor.authorPerez Julia, Fredy Andres
dc.date.accessioned2026-11-16T14:30:27Z
dc.date.available2026-11-16T14:30:27Z
dc.date.issued2026-11-04
dc.description.abstractEl trabajo de investigación tuvo como objetivo principal determinar la mejor técnica de imputación más eficiente para completar datos faltantes de material particulado fino (PM2.5) asociado a variables meteorológicas en el distrito de Chanchamayo durante el periodo 2025, se realizó el procesamiento de series temporales provenientes de la estación La Merced que se ubica dentro del entorno urbano presento un 16.6 % de pérdida de información, y en la estación Santa Isabel ubicado en el entorno rural, presentó un 10.1 % de vacíos en sus registros. Se evaluaron comparativamente tres metodologías estadísticas, el algoritmo de aprendizaje MissForest, imputación múltiple por ecuaciones encadenadas – MICE y el método de sustitución por valor simple. El rendimiento y la precisión de cada técnica se cuantificaron mediante un esquema de validación cruzada utilizando como métricas de control el Error Cuadrático Medio (RMSE), el Error Absoluto Medio (MAE) y el coeficiente de determinación (R2). Los resultados del proceso de validación demostraron la superioridad del algoritmo MissForest, al alcanzar los menores valores de error en la estación urbana (RMSE = 6.945 ug/m3; MAE = 4.659 ug/m3; R2 = 0.319) y en la estación rural (RMSE = 8.854 ug/m3; MAE = 4.852 ug/m3; R2 = 0.320), superando el desempeño de MICE e imputación por media. Se concluye que la integración de algoritmos de Machine Learning no paramétricos asociados a las variables meteorológicas resulta ser más precisa para el control de calidad y la reconstrucción de series temporales ambientales.
dc.identifier.urihttp://hdl.handle.net/20.500.14744/135
dc.language.isoSpa
dc.publisherUniversidad Nacional Intercultural De La Selva Central Juan Santos Atahualpa
dc.publisher.countryPE
dc.relation.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.subjectmaterial particulado (PM2.5)
dc.subjectimputación de datos faltantes
dc.subjectmissForest
dc.subjectmodelo lineal generalizado
dc.subjectvariables meteorologicas
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#5.02.04
dc.titleImputación de datos faltantes del material particulado PM2.5 y su asociación con variables meteorológicas en la ciudad de Chanchamayo, región Junín, 2025
dc.typehttp://purl.org/coar/resource_type/c_7a1f
dc.type.versioninfo:eu-repo/semantics/publishedVersion
renati.advisor.dni41585052
renati.advisor.orcidhttps://orcid.org/0000-0002-4460
renati.author.dni73353410
renati.author.dni75270607
renati.discipline52100080
renati.jurorPanduro Durand, Ronald
renati.jurorHuamán de la Cruz, Alex Rubén
renati.jurorEduardo Josué Oyague Passuni
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería Ambiental
thesis.degree.grantorUniversidad Nacional Intercultural De La Selva Central Juan Santos Atahualpa
thesis.degree.nameIngeniero Ambiental

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
T124_75270607_T.pdf
Size:
3.21 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description: