Predicción de los niveles de polución atmosférica en Tenerife mediante técnicas de machine learning

Abstract

El objetivo de este trabajo ha sido realizar predicciones de la concentración del contaminante conocido como PM2.5, se trata de polvo en suspensión de un diámetro menor a 2.5 micrómetros. El proyecto se centra en la zona de Santa Cruz de Tenerife usando datos históricos de contaminantes de la atmósfera y de variables meteorológicas para entrenar modelos de aprendizaje automático. Así se pretende contribuir al desarrollo de un plan preventivo de la calidad del aire para avisar a la población en caso de que se prevea un nivel de contaminación potencialmente dañino a la salud. Como parte del proyecto se ha desarrollado un software para la extracción de datos relativos a la contaminación en Tenerife. Se ha usado PostgreSQL como base de datos relacional para almacenar estos datos. Se han construido modelos de aprendizaje automático usando Python como lenguaje de programación. Y se ha desarrollado una aplicación web para mostrar a los usuarios las últimas medidas en el sistema y predicciones de valores futuros.

The goal of this project was to forecast the concentration of the pollutant known as PM2.5, which are airborne particles with a diameter of 2.5 micrometers or lower. The project is focused on the area of Santa Cruz de Tenerife using past data of air pollutants and weather variables to train machine learning models. This is meant to contribute to the development of an air quality prevention plan to warn the population if the pollution level is predicted to be dangerous. As part of the project a software was developed for the automated extraction of data related to Tenerife air. The relational database PostgreSQL was used to store this data. Machine learning models were trained using the programming language Python. And a web application was developed to show users the most recent data in the system and forecasts for future values of PM2.5.