Predicción y análisis de los niveles de contaminación de PM10 mediante perceptrón multicapa en Lima Metropolitana, Perú.

Abstract

La contaminación atmosférica por material particulado PM10 constituye un problema ambiental y de salud pública en Lima Metropolitana, por su variabilidad espaciotemporal y su relación con las condiciones meteorológicas locales; por ello, el estudio tuvo como objetivo predecir y analizar sus concentraciones horarias mediante un modelo de Perceptrón Multicapa, utilizando registros de PM10 y variables meteorológicas de las estaciones de Ate, Campo de Marte, Carabayllo, Huachipa y San Martín de Porres durante 2017–2018, con una red neuronal feedforward entrenada mediante el algoritmo Adam e integrada por variables meteorológicas y rezagos temporales, cuyo desempeño se evaluó mediante el error absoluto medio, la raíz del error cuadrático medio, el coeficiente de determinación y la correlación de Pearson. El modelo mostró un rendimiento predictivo global moderado y consistente para estimar concentraciones horarias de PM10, con MAE = 19.360 µg/m³, RMSE = 35.213 µg/m³, R² = 0.630 y r = 0.796. El desempeño difirió entre estaciones, reflejando la heterogeneidad espacial del contaminante en Lima Metropolitana. San Martín de Porres obtuvo los mejores resultados, con MAE = 9.874 µg/m³, RMSE = 14.645 µg/m³, R² = 0.712 y r = 0.847. Los residuos se concentraron cerca de cero, aunque aumentaron durante episodios extremos. Los hallazgos indican que el Perceptrón Multicapa constituye una alternativa útil para la predicción horaria de PM10 en entornos urbanos complejos, al capturar parte de la variabilidad temporal asociada a las condiciones meteorológicas y a la persistencia del contaminante. No obstante, su desempeño debe interpretarse con cautela frente a episodios extremos y requiere comparación rigurosa con modelos de referencia antes de afirmar superioridad predictiva. En conjunto, el modelo propuesto ofrece evidencia empírica para apoyar el monitoreo, análisis y gestión de la calidad del aire en Lima Metropolitana.