Estimación de concentraciones de Material Particulado fino PM2.5 mediante modelos de Machine Learning en la ciudad de Concepción durante el periodo 2023-2025

Abstract

La presente investigación evalúa el desempeño de modelos de Machine Learning para estimar las concentraciones de material particulado fino PM2.5 en la ciudad de Concepción, Junín, Perú, durante el periodo 2023–2025. Se analizaron las condiciones meteorológicas predominantes, la variabilidad temporal del contaminante y su relación con variables climáticas y temporales, considerando la influencia de la autocorrelación mediante variables con retardo (lags). La base de datos fue sometida a un proceso de preprocesamiento, validación e imputación de datos faltantes, alcanzando un nivel de completitud del 98.28%, garantizando la confiabilidad del análisis. Se implementaron tres modelos predictivos: Regresión Lineal, Random Forest y Redes Neuronales Artificiales (ANN), evaluados mediante métricas como MAE, RMSE, MAPE y coeficiente de determinación (R²), además de la prueba estadística no paramétrica de Wilcoxon. Los resultados evidencian que las concentraciones de PM2.5 presentan alta variabilidad temporal, con incrementos críticos durante los meses secos de junio a septiembre y episodios que superan frecuentemente las guías de la OMS de 25 µg/m³, especialmente en septiembre de 2024 donde el 73.33% de los días superaron dicho límite. La ANN presentó el mejor desempeño predictivo (R² = 0.611; RMSE = 5.417; MAE = 2.566), superando significativamente a los otros modelos (p < 0.001), contrario a la hipótesis inicial que establecía al Random Forest como el modelo de mejor desempeño. Asimismo, se identificó que la variable más influyente es el PM2.5 rezagado (PM2.5_lag1, ρ = 0.917), confirmando la fuerte dependencia temporal del contaminante. Las condiciones meteorológicas, especialmente la baja velocidad del viento inferior a 1 m/s y la marcada estacionalidad de la precipitación, favorecen la acumulación de partículas incrementando el riesgo ambiental en periodos secos. Se concluye que las redes neuronales artificiales constituyen una herramienta eficaz para la predicción de la calidad del aire en zonas andinas, con potencial aplicación en sistemas de alerta temprana y gestión ambiental. Palabras clave: PM2.5, Machine Learning, redes neuronales, calidad del aire, variables meteorológicas.