Anexo M: Marco Contextual A continuación se presentan los trabajos relacionados al presente trabajo de grado: Métodos de Regionalización (downscaling) [82] Su objetivo es la predicción Meteorológica local por medio de métodos dinámicos y métodos estadísticos realizando predicciones meteorológicas diarias que permitan ganar experiencia día a día sobre el comportamiento de cada uno de los métodos anteriores en distintas situaciones meteorológicas. Se basan en el post- proceso de las salidas de los modelos atmosféricos globales. Predicción Meteorológica con Modelos Dinámicos y Estadísticos La División Académica de Ciencias Biológicas de la Universidad de Chiapas en México, realizo un estudio estadístico de la Correlación entre contaminantes atmosféricos (que en este caso fueron: 𝑺𝑶𝟐 , 𝑵𝑶𝟐 , 𝑯𝟐 𝑺 𝒚 𝑷𝑴𝟏𝟎 ) y variables meteorológicas (temperatura, humedad relativa y dirección del viento) en la zona del norte de Chiapas [6], enfocándose en el método estadístico de análisis de regresión múltiple, tomando los datos monitoreados en tres estaciones que se ubican en la Zona del Norte de Chiapas, entre el periodo del 2001 y 2005. Su propósito fue el proponer funciones de regresión para describir la concentración de estos contaminantes en función del tiempo y/o las variables meteorológicas. Sin embargo este trabajo de grado no incluye el contaminante 𝑂3 , las series temporales, el uso de técnicas de minería de datos y el caso de estudio. El Instituto Politécnico Nacional, ubicado en la ciudad de México, realiza en diciembre del 2008 un estudio de comparación de diferentes técnicas de predicción de series de tiempo, tomando como variable de predicción la concentración del contaminante Ozono (𝑶𝟑 )[𝟏𝟑], para ello tomaron datos históricos que iban entre 1986 y el 200 de la estación Merced, proporcionados por el Sistema de Monitoreo Atmosférico (SIMAT). Los modelos empleados para este trabajo los cuales realizan la predicción mediante la reconstrucción del espacio fase son: locally constant, kernel regression, locally linear, locally weighted linear y Radial Basis Function. Se concluyó que los modelos que funcionan de manera eficiente con una transformación de la serie de tiempo al espacio fase fueron: Nearest Neighbor y Radial Basis Function. Sin embargo en este estudio no se contemplaron las variables climatológicas y el contaminante PM10, además fue un estudio netamente estadístico en una ubicación con características atmosféricas totalmente diferente a las planteadas en este trabajo de gado. En la Universidad Distrital Francisco José de Caldas ubicada en Bogotá, se resolvió un caso en la Localidad de Puente Aranda llamado Sistema Difuso Evolutivo para la predicción del nivel de contaminación del Aire por Material Particulado [26], en este caso se tomaron en cuenta mediciones de temperatura, velocidad, dirección del viento y lluvia del día actual. Los resultados obtenidos muestran que se predijo el nivel de PM10 de forma satisfactoria utilizando dicho sistema evolutivo con un número reducido de reglas, de parámetros de entrada y tamaño de datos. En este proyecto no se contemplaron creación de variables derivadas (como los trimestres del año, la hora del día, el mes, la hora pico, si es fin de semana etc...) y el estudio de otros contaminantes como O3 (formado en parte por 𝑁𝑂2 𝑦 𝑁𝑂𝑋 y también incluidos en este estudio), además de la creación de nuevos modelos basados en Minería de datos con un número de parámetros amplio y un conjunto de datos con un tamaño grande. En la Paz, Bolivia se realizó un estudio de Pronostico de concentraciones máximas diarias de Ozono [24], cuyo objetivo fue el desarrollo de modelos de pronóstico para las concentraciones máximas diarias de O3 troposférico mediante el empleo de técnicas de regresión lineal múltiple. Los datos de estudio los proveyó la red MoniCA del municipio de Cercado, Cochabamba y dichos modelos creados utilizaron mediciones de variables meteorológicas que fueron filtradas y validadas estadísticamente, para este proyecto solo se hizo un análisis descriptivo basado en ecuaciones y gráficos y algo interesante es que como una de las conclusiones del mismo estudio, sugieren para futuras investigaciones la posibilidad de mejorar el procedimiento de homogenización de grupos de datos utilizando otras técnicas que garanticen una mejor agrupación, para el caso de este trabajo de grado se utilizaron técnicas de clusters y clasificación basadas en Minería de datos, lo cual soluciona un problema planteado en el proyecto realizado en Bolivia. Los investigadores de la Universidad de Pablo de Olavide del departamento de informática realizaron un diagnóstico y predicción de la contaminación atmosférica mediante aplicaciones de minería de datos [85], utilizando una base de datos que contiene series temporales relacionadas con la contaminación atmosférica con el fin de realizar sistemas de prevención y alerta para reducir los niveles de contaminación a tiempo. Los modelos de predicción desarrollados se enfocan en la predicción de contaminantes ambientales como el valor del umbral del: Ozono (O3), Dióxido de Sulfuro (SO2) y monóxido de nitrógeno (NO) presentes en el aire.