Implementación de una red neuronal y un modelo de forrester para la predicción entre factores demográficos y agentes contaminantes


Autores/as

DOI:

https://doi.org/10.22517/23447214.25177

Palabras clave:

Modelo matemático, red neuronal, diagrama de Forrester, comportamiento demográfico, contaminación ambiental, CO2, pm2.5

Resumen

Uno de los grandes problemas que se vienen presentando en el mundo, especialmente Colombia, es debido a un acelerado crecimiento poblacional generado por el aumento desbordado de la circulación migrante o movilidad de personas por otras causas o situaciones eventuales de la naturaleza. Estas situaciones sociales vienen afectando sensiblemente el orden urbanístico de las ciudades, particularmente por el confinamiento de la población y el aumento de la contaminación ambiental que aporta este incremento, además de la insalubridad, pobreza, entre otros factores. Para estudiar el crecimiento poblacional en función de variables demográficas y factores ambientales, se construyó una Red Neuronal Artificial para llevar a cabo un análisis de datos que incorporó variables relacionadas tales como CO2 y otros agentes contaminantes. El propósito fue identificar la influencia de estos agentes tóxicos con el crecimiento de una población.  Una vez verificada predicción dinámica mediante la red neuronal, se construyó un modelo matemático para estudiar un caso específico del comportamiento demográfico para una región colombiana por medio de un Diagrama de Forrester bajo condiciones migratorias, natalidad, morbilidad, mortalidad, flujo migratorio (o movilidad de personas debido a otros eventos de la naturaleza) y agentes contaminantes que afectan la salud humana principalmente en enfermedades respiratorias.       Los resultados entregaron predicciones y del Diagrama de Forrester constatando relación entre los agentes tóxicos y en los aspectos demográficos.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Gustavo Suárez Guerrero , Institución Universitaria Pascual Bravo

Gustavo Suárez Guerrero es un investigador del Grupo de Investigación e Innovación en Energía de la Institución Universitaria Pascual Bravo. Obtuvo su grado en Ingeniería Mecánica por la Universidad Pontificia Bolivariana, Medellín, Colombia, en 1995. Luego recibió su Doctorado en Ingeniería de la Universidad Pontificia Bolivariana, Medellín, Colombia, en 2011, y además otro título de Doctor en Ciencias Matemáticas por la Universidad Pierre et Marie Curie, París, Francia, en 2012. Sus áreas de interés son los sistemas de biomecánica, modelado y simulación, las matemáticas y los métodos numéricos aplicados. ORCID: https://orcid.org/0000-0001- 7595-7366.

Julián Andrés Arias Franco , Universidad Pontificia Bolivariana

Julián Andrés Arias Franco obtuvo su grado de Licenciatura en Educación Básica con énfasis en Matemáticas, en 2015, por la Universidad Distrital Francisco José de Caldas, Bogotá, Colombia. Es Magister en Ciencias Naturales y Matemática de la Universidad Pontificia Bolivariana, Medellín, Colombia. Sus áreas de interés son: Pensamiento matemático computacional, Inferencia y regresión de experimentos, métodos numéricos, y optimización matemática. ORCID: https://orcid.org/0000-0003-3809-3524.

Luis Javier Cruz Riaño, Universidad Pontificia Bolivariana

Luis Javier Cruz Riaño, es un investigador del Grupo de Investigación Sobre Nuevos Materiales. Obtuvo su grado en Ingeniería Mecánica en la Universidad Pontificia Bolivariana Medellín, Colombia, en 1985. Luego recibió su Doctorado en Ingeniería en Materiales no Metálicos de la Universidad Politécnica de Madrid, España. Es profesor y Director del Grupo de Investigación Sobre Nuevos Materiales de la Universidad Pontificia Bolivariana. ORCID: https://orcid.org/0000-0001-7650-5441.

Esteban Vallejo Morales , Universidad Pontificia Bolivariana

Esteban Vallejo Morales es Ingeniero en Informática y Sistemas y recibió la maestría en Ingeniería de la Universidad Pontificia Bolivariana en 2021. Su investigación se centra en el diagnóstico temprano y tratamiento del cáncer colorrectal con simulación por computadora e IA. ORCID: https://orcid.org/0000-0002-9916-5766.

Citas

K. Tovar, Z. Gómez, and A. Zamorategui, “Monitoreo de contaminantes atmosféricos (PM2.5 , PM10 y CO2 ) y variables meteorológicas (temperatura, humedad relativa, velocidad y dirección del viento) en la ciudad de Guanajuato,” Jóvenes en la Cienc. Rev. Divulg. Científica, vol. 5, no. 1, pp. 347–352, 2017, [Online]. Available: https://bit.ly/3PqjsE1

Instituto para la salud geoambiental, “Medición Gas Radón,” 2022. https://www.saludgeoambiental.org/dioxido-carbono-co2/

J. Gao, Z. Qiu, W. Cheng, and H. O. Gao, “Children’s exposure to BC and PM pollution, and respiratory tract deposits during commuting trips to school,” Ecotoxicol. Environ. Saf., vol. 232, p. 11, 2022, DOI: 10.1016/j.ecoenv.2022.113253.

Y. H. Cheng, Z. S. Liu, and J. W. Yan, “Comparisons of PM10, PM2.5, particle number, and CO2 levels inside metro trains traveling in underground tunnels and on elevated tracks,” Aerosol Air Qual. Res., vol. 12, no. 5, pp. 879–891, 2012, DOI: 10.4209/aaqr.2012.05.0127.

M. E. Blanco Chávez, I. Gómez Carvajal, and S. Mena Bonilla, “CO2 y PM2 . 5 en la oficina de docentes del Departamento de Operaciones Unitarias,” Arquit. +, vol. 7, pp. 27–35, 2022, DOI: 10.5377/arquitectura.v7i13.14438.

C. Zhang, C. Miao, W. Zhang, and X. Chen, “Spatiotemporal patterns of urban sprawl and its relationship with economic development in China during 1990 – 2010,” Habitat Int., vol. 79, no. July, pp. 51–60, 2018, DOI: 10.1016/j.habitatint.2018.07.003.

B. A. Garro, K. Rodríguez, and R. A. Vázquez, “Classification of DNA microarrays using artificial neural networks and ABC algorithm,” Appl. Soft Comput., vol. 38, pp. 548–560, 2015, DOI: 10.1016/j.asoc.2015.10.002.

F. E. Ahmed, “Artificial neural networks for diagnosis and survival prediction in colon cancer,” Mol. Cancer, vol. 4, pp. 1–12, 2005, DOI: 10.1186/1476-4598-4-29.

Departamento Administrativo Nacional de Estadística DANE, “Dane. Estimaciones del cambio demográfico.” https://www.dane.gov.co/index.php/estadisticas-por-%0Atema/demografia-y-poblacion/estimaciones-del-cambio-demografico

“Banco de datos. Indicadores del desarrollo mundial,” 2021. https://databank.bancomundial.org/reports.aspx?%0Asource=2&country=COL

G. Suárez Guerrero, E. E. Clavijo Gañan, and Universidad Pontificia Bolivariana, “Una propuesta metodológica para una mayor comprensión e interpretación del comportamiento de los fenómenos naturales : A partir de la observación hasta obtener las respuestas del comportamiento del fenómeno . Una propuesta metodológica para una mayor comp,” Mendomatemática, vol. 20, pp. 1–9, 2009.

J. Aracil, Publicaciones de Ingeniería de Sistemas: Dinámica de sistemas. 1995. [Online]. Available: http://s3.amazonaws.com/academia.edu.documents/30937935/Aracil_Gordillo_DS.pdf?AWSAccessKeyId=AKIAJ56TQJRTWSMTNPEA&Expires=1459994585&Signature=RWjAdKFm/D+Aeud+2RUzsgqpCmw=&response-content-disposition=inline; filename=Dinamica_de_sistemas.pdf

Ministerio De Relaciones Exteriores, “Política Integral Migratoria,” 2022. https://www.cancilleria.gov.co/colombia/migracion/politica

N. OspinaCifuentes and M. C. García Álvarez, “Organizational evaluation using a computational tool for the analysis of critical factors,” LACCEI Int. Multi-Conference Eng. Educ. Technol., no. July, pp. 19–21, 2018, DOI: http://dx.doi.org/10.18687/LACCEI2018.1.1.472.

Departamento Administrativo Nacional de Estadística DANE, “Comunicado Oficial,” Comité Nacional para la Vigilancia Epidemiológica (CONAVE), 2020. https://www.gob.mx/cms/uploads/attachment/file/573732/Comunicado_Oficial_DOC_sospechoso_ERV_240820.pdf

A. Beltrán and A. R. Grippa, “Políticas efectivas para reducir la mortalidad infantil en el Perú: ¿Cómo reducir la mortalidad infantilen las zonas más pobres del país?,” Cent. Investig. la Univ. del Pacífico, pp. 1–45, 2004.

F. Díez Ballester, J. M. Tenías, and S. Pérez Hoyos, “Efectos de la contaminación atmosférica sobre la salud: Una introducción,” Esp Salud Pública, vol. 73, pp. 109–121, 1999. DOI: 10.1590/S1135-57271999000200002

L. Liu, J. Fang, M. Li, M. A. Hossin, and Y. Shao, “The effect of air pollution on consumer decision making: A review,” Clean. Eng. Technol., vol. 9, no. December 2020,p.100514, 2022, DOI: 10.1016/j.clet.2022.100514.

G. He and T. Lin, “Does air pollution impair investment efficiency?,” Econ. Lett., vol. 215, p. 110490, 2022, DOI: 10.1016/j.econlet.2022.110490.

M. Timothy, “Demographic models for projections of social sector demand,” CEPAL-población y Desarrollo., vol. 66, no. June, pp. 1–63, 2006.

M. Parves and I. N. Ilina, “Climate change and migration impacts on cities : Lessons from Bangladesh,” Environ. Challenges, vol. 5, no. May, p. 100242, 2021, DOI: 10.1016/j.envc.2021.100242.

S. Ayoub, A. Adnan, A. Abdullah, O. Mohammed, W. Sami, and D.C. Klonoff, “Effect of environmental pollutants PM-2.5, carbon monoxide, and ozone on the incidence and mortality of SARS-COV-2 infection in ten wild fi re affected counties in California,” Sci. Total Environ., vol.757, p.143948, 2021, DOI: 10.1016/j.scitotenv.2020.143948.

S. Dong, C. Wang, Z. Han, and Q. Wang, “Projecting impacts of temperature and population changes on respiratory disease mortality in Yancheng,” Phys. Chem. Earth, vol. 117, p. 102867, 2020, DOI: 10.1016/j.pce.2020.102867.

H. Yin et al., “Population ageing and deaths attributable to ambient PM 2.5 pollution: a global analysis of economic cost,” Lancet Planet. Heal., vol. 5, no. 6, pp. e356–e367, 2021, DOI: 10.1016/S2542-5196(21)00131-5.

J. M. Rodríguez Navarrete, “Los factores ambientales como determinantes del estado de salud de la población en el municipio de Soacha 2006-2016,” Pontificia Universidad Javeriana, 2018. [Online]. Available: https://repository.javeriana.edu.co/handle/10554/46829?show=full

J. A. Ezquerro Fernández, Iniciación a los métodos numéricos, Universida. 2012.

Cámara de Comercio de Bogotá, Plan económico para la competitividad del municipio de Soacha. 2009.

N. OspinaCifuentes and M. C. García Álvarez, “Organizational evaluation using a computational tool for the analysis of critical factors,” LACCEI Int. Multi-Conference Eng. Educ. Technol., no. July, pp. 19–21, 2018, DOI: 10.18687/LACCEI2018.1.1.472.

G. Valerio et al." Use of official municipal demographics for the estimation of mortality in cities suffering from heavy environmental pollution: Results of the first study on all the neighborhoods of Taranto from 2011 to 2020". Environmental Research, Volume 204, Part B, March 2022, 112007. DOI: 10.1016/j.envres.2021.112007.

Descargas

Publicado

2023-03-31

Cómo citar

Suárez Guerrero , G. ., Arias Franco , J. A. ., Cruz Riaño, L. J. ., & Vallejo Morales , E. . (2023). Implementación de una red neuronal y un modelo de forrester para la predicción entre factores demográficos y agentes contaminantes. Scientia Et Technica, 28(01), 48–52. https://doi.org/10.22517/23447214.25177

Número

Sección

Ciencias Básicas