Determinación de un modelo de regresión no paramétrica múltiple para estimar la concentración horario de material particulado pm2.5 y pm1 en la ciudad de guayaquil

Abstract

Entre octubre de 2016 y marzo del 2017, en la ciudad de Guayaquil, Ecuador, se recolectaron en tiempo real muestras de material particulado correspondientes a PM2,5 y PM1 (PM por sus siglas en inglés) usando un equipo gravimétrico llamado HAZ DUST EPAM 5000 de alta sensibilidad que mide un tamaño de partícula a la vez. La información fue recolectada de acuerdo a puntos de muestreo seleccionados para la toma de las mediciones de 𝑃𝑀2.5 y 𝑃𝑀1, los mismos que fueron: Sector Industrial, Centro Ciudad, Sector Cementeras Vía La Costa y Sector Residencial, caracterizados por tener alta demanda comercial, tráfico vehicular, así como actividades comercial y residencial. A la vez se consideraron para la medición las variables meteorológicas como: temperatura, dirección y velocidad del viento, la precipitación como variable dicotómica en caso de existencia o no, y variables de actividad antropogénica como el tráfico. El objetivo del proyecto integrador es obtener un modelo multivariante para la predicción de 𝑃𝑀2.5 y 𝑃𝑀1a partir de variables ambientales, meteorológicas y eventualidades físicas en la ciudad de Guayaquil. Utilizando la información del muestreo y de fuentes secundarias se construyó una matriz de datos con variables ambientales, meteorológicas y antropogénicas, capaces de predecir el comportamiento de las partículas finas (𝑃𝑀2.5 y 𝑃𝑀1) a partir de otros tamaños de partículas, temperatura, histórico de precipitación, etc. Finalmente, se construyó un modelo suavizado de regresión múltiple para estimar concentraciones horarias promedio de 𝑃𝑀2.5 y 𝑃𝑀1 y establecer la influencia de las variables meteorológicas y antropogénicas, La varianza de PM1 se explica en más del 17,4% de los casos a partir de esas variables (R2 = 0.158; p < 0.000277, GCV = 80.245) y la de PM2.5, se explica en 15.8% de los casos a partir de ((R2 = 0.143; p < 0.00000833, GCV = 143.44). Se validó el modelo verificando la normalidad y varianza constante de los residuos del modelo y se añade el diagnóstico sobre el grado de suavizado del modelo.