Implementation of a neural network and a forrester model for the prediction between demographic factors and pollutants


Authors

DOI:

https://doi.org/10.22517/23447214.25177

Keywords:

Mathematical model, neural network, Forrester diagram, demographic behavior, environmental pollution, CO2, pm2.5

Abstract

The greatest problems that has been presented in the world, especially in Colombia, is due to an accelerated population growth generated by the overwhelming increase in migrant circulation or mobility of people due to other causes or eventual situations of nature. These social situations have been significantly affecting the urban order of cities, particularly due to the confinement of the population and the increase in environmental pollution that this increase brings, in addition to unhealthiness, poverty, among other factors. To study population growth based on demographic variables and environmental factors, an Artificial Neural Network was built to carry out a data analysis that incorporated related variables such as CO2 and other pollutants. The purpose was to identify the influence of these toxic agents with the growth of a population. Once the dynamic prediction was verified through the neural network, a mathematical model was built to study a specific case of demographic behavior for a certain Colombian region by means of a Forrester Diagram, where the migratory conditions, birth rate, morbidity, mortality, migratory flow (or mobility of people due to other natural events) and pollutants that affect human health mainly in respiratory diseases. The results delivered predictions and the Forrester Diagram confirming the relationship between toxic agents and demographic aspects.

Downloads

Download data is not yet available.

Author Biographies

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.

References

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.

Downloads

Published

2023-03-31

How to Cite

Suárez Guerrero , G. ., Arias Franco , J. A. ., Cruz Riaño, L. J. ., & Vallejo Morales , E. . (2023). Implementation of a neural network and a forrester model for the prediction between demographic factors and pollutants. Scientia Et Technica, 28(01), 48–52. https://doi.org/10.22517/23447214.25177

Issue

Section

Ciencias Básicas