SciELO - Scientific Electronic Library Online

 
vol.20 issue1Parameter estimation in nonlinear regression using artificial bee colonyAbout the construction of a free monoid with identity on a topos E with the object of natural numbers author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista de Matemática Teoría y Aplicaciones

Print version ISSN 1409-2433

Rev. Mat vol.20 n.1 San José Jan. 2013

 

El uso de perceptrones  multicapa  para la modelización estadística  de series de tiempo no lineales de so2, en Salta Capital, Argentina

The  use of multilayer  perceptrons  for statistical  modeling so2  non linear time  series in Salta  Capital,  Argentina

Haydeé Elena Musso*+, Orlando José Ávila Blas+*
 
*Dirección para correspondencia

Resumen
 
En  este  trabajo  se  realizó un  estudio  estadístico  de  variables  físico químicas asociadas  al fenómeno de contaminación ambiental, en particular concentración media  mensual  de SO2 , medidas  en la ciudad Salta Capital, Argentina, simultáneamente a concentraciones de NO2 y O3 . Las series bajo estudio presentaban comportamientos dinámicos no lineales, datos atípicos y cambios estructurales, lo que hizo imposible modelarlas  con tipologías econométricas tradiciones (AR, MA, ARMA, ARIMA, entre otras).  Una solución eficiente que se encontró,  hace  uso  de  la  teoría de  los perceptrones  multicapa. Mediante el modelo estructural de series de tiempo, esta solución se presenta como un proceso matemático iterativo que permite obtener un  modelado  final el cual  tiene una  muy  alta confiabilidad  (95%), para  realizar  pronoósticos a  futuro sobre  el comportamiento de  la variable  estudiada.

Palabras clave: series de tiempo, modelización, perceptrones multicapa, contaminación ambiental, dióxido de azufre, muestreo pasivo

Abstract

In  this paper a statistical study of phisical-chemistry variables connected with enviroment pollution, specifically SO2 monthly average concentration, measured in Salta Capital city, Argentina, together  with  NO2  and  O3  concentrations,  was made.  Time  series under study shown non linear dinamic behaviour, outliers and structural changes. Due to these it was impossible to use typical econometric  typologies (AR,  MA, ARMA,  ARIMA,  among  others).   An effective solution which uses multistep perceptrons theory was found. By using structural time series modelling, this solution is presented by an iterative mathematical process that  allows us to obtain  a final  model  with  a  high  confidence  level  (95%)  in  order  to do  the forecasting step on the studied variable.

Keywords: time series, modelling,  multistep perceptrons,  air pollution, sulfure dioxide, passive sampling.

Mathematics Subject Classification: 62M10, 62M20, 93E11



Ver contenido disponible en pdf



Referencias

[1]  OMS (2000) Guidelines  for Air Quality  (WHO/SDE/OEH/00.02).         [ Links ]

[2]  UNEP-WHO  (Ed.)  (1994)  Passive  and  Active Sampling  Methodologies for  Measurement of Air  Quality.  GEMS/AIR  Methodologym Review Handbook Series. Vol. 4, Nairobi.         [ Links ]

[3]  Palmes,  E.D.;  Gunnison,  A.F.;  Di Mattio,  J.; Tomczyk,  C. (1976) “Personal samplers  for nitrogen dioxide”,  American  Industrial Hygiene Association  Journal 37:  570–577.         [ Links ]

[4]  Palmes,   E.D.;  Tomczyk,  C.  (1979)  “Personal sampler  for  NOx ´´, American  Industrial Hygiene Association  Journal 40:  588–591.         [ Links ]

[5]  Gair,  A.J.; Penkett, S.A.; Oyoloa, P.  (1991) “Development of a simple  passive  technique for the determination of nitrogen dioxide  in remote  continental  locations”,  Atmospheric   Environment 25A(9): 1927–1939.         [ Links ]
 
[6]  Ávila Blas, O.J. (1997) “Análisis espectral de series de temperatura de superficie”,  Revista FACENA,  Univ. Nac. Nordeste, 13: 79–99.         [ Links ]
 
[7]  Abril,  J.C. (1999) Análisis Estadístico de Series  de Tiempo  Basado en Modelos de Espacio  de Estado.  EUDEBA,  Buenos Aires.         [ Links ]

[8]  Aguiar,  R.;  Collares  Pereira,   M.  (1992)  “Tag:   a  time dependent, autorregressive,  Gaussian  model for generating  synthetic  hourly  radiation”, Solar Energy 49(3):  167–174.         [ Links ]

[9]  Harvey,  A.C.;  Shepard,   N.  (1993)  Structural  Time  Series  Models. Handbook of Statistics, Elsevier, Vol. 11: 261–302.         [ Links ]

[10]  Koopman,  S.J. (s.f.) STAMP  5.0, Structural Time  Series Analyser, Modeller and Predictor.         [ Links ]
 
[11]  Ávila Blas, O.J. (2001) Análisis Estadístico de Series Climatológicas para  su Uso en  Simulación de Edificios  Solares.  Tesis  Doctoral en Ciencias,  Departamento  de  Matemática,  Universidad   Nacional  de Salta.         [ Links ]

[12] Ávila Blas, O.J.; Lesino Garrido, G. (1987) “Tratamiento estadístico de datos meteorológicos del NOA para  su uso en simulación”, Actas ASADES, Buenos Aires.         [ Links ]

[13] Ávila Blas, O.J.; Abril, J.C.; Lesino Garrido,  G. (1999) “Análisis estadístico estructural de series de radiación diaria”, Avances en Energías  Renovables y Medio Ambiente 3(2):  11.17–11.20.         [ Links ]

[14] Ávila Blas, O.J.; Abril, J.C.; Lesino Garrido, G. (2000) “Radiación y temperatura diarias : un modelo de correlación estructural”, Avances en Energías  Renovables y Medio Ambiente 4(2):  11.31–11.36.         [ Links ]

[15] Ávila Blas,  O.J.; Grossi,  Gallegos, H. (2002) “Modelos estadísticos estructurales de series de irradiación solar global diaria para Córdoba, Marcos Juárez y Paraná”, Avances en Energías  Renovables y Medio Ambiente 6(2); 11.07–11.11.         [ Links ]

[16]
Ávila Blas, O.; Musso, H.; Ávila, G.; Boemo, A:; Farfán, R. (2003) “Evaluación de concentración de dióxido de nitrógeno en Salta Capital: un análisis estadístico estructural”, Avances en Energías Renovables y Medio Ambiente 7(1): 01.17–01.22.         [ Links ]

[17] Ávila Blas, O.; Musso, H.; Ávila, G. (2004) “Concentración de dióxido de nitrógeno en Salta Capital: análisis estadístico para validar modelos estructurales previos”, Avances en Energías Renovables y Medio Ambiente 8(2): 01.05–05.06.         [ Links ]

[18] Ávila, G.; Ávila Blas, O.J.; Musso, H. (2007) “Modelado estructural de una serie de valores medios de ozono en Salta Capital”, en II Congreso Iberoamericano, IV Congreso Argentino de Química Analítica, 27–30 Agosto de 2007, Asociación Argentina de Químicos Analíticos, Buenos Aires.         [ Links ]

[19] Ávila Blas, O.; Musso, H. (2008) “Independencia estadística de sitios de muestreo de SO2 en el Centro de la Ciudad de Salta”, en: XXVII Congreso Argentino de Química, Tucumán, 17–19 de septiembre.         [ Links ]

*Correspondencia a:
Haydeé Elena Musso. Departamento de Química, Facultad de Ciencias  Exactas, Universidad Nacional  de Salta, Avenida  Bolivia  5150, 4400 Salta, Argentina.  E-Mail:  hmusso@ciunsa.edu.ar, haydeemusso@gmail.com
Orlando Jos  Ávila Blas.
Departamento de Matemática, Facultad de Ciencias Exactas, Universidad Nacional de Salta, Avenida  Bolivia  5150, 4400 Salta, Argentina.  E-Mail:  oblas@unsa.edu.ar, ojblas2012@gmail.com
* Departamento de Química, Facultad de Ciencias  Exactas, Universidad Nacional  de Salta, Avenida  Bolivia  5150, 4400 Salta, Argentina.  E-Mail:  hmusso@ciunsa.edu.ar, haydeemusso@gmail.com
+ Departamento de Matemática, Facultad de Ciencias Exactas, Universidad Nacional de Salta, Avenida  Bolivia  5150, 4400 Salta, Argentina.  E-Mail:  oblas@unsa.edu.ar, ojblas2012@gmail.com

Received: 27/May/2009; Revised: 30/Apr/2011; Accepted:  20/Nov/2011

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License