Examinando por Materia "Modelo de dispersión atmosférica"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Software de Pronóstico para la Concentración del Material Partículado del Valle De Aburrá
    (Universidad EIA, 2010) David Eduardo Chará Ordóñez
    Ciertos fenómenos en la naturaleza presentan características caóticas o son dependientes de un cantidad significativa de variables lo que dificulta la modelación de los fenómenos con fines experimentales y de análisis. Un ejemplo de esto es la dispersión de material partículado en el aire. Éste fenómeno, ha sido estudiado debido a que afecta directamente la salud de la población, lo que genera un interés constante para busca mejorar la calidad del aire y un modelo es una herramienta muy útil para el análisis y la solución del problema. Los problemas que presenta la modelación del fenómeno es la gran cantidad de variables que intervienen en el proceso de dispersión lo que traduce un alto grado de dificultad para generación de un modelo a partir de técnicas analíticas, sumado del hecho que el modelo será localizado en una zona específica, puede no tener una vida útil muy larga si no está en capacidad de adaptarse a los posibles cambios en el entorno. Por otra parte la información con la que se cuenta a partir de las mediciones de la calidad del aire en estaciones de monitoreo es sesgada, debido principalmente a la escases de puntos de medición y al hecho de que no se puede extrapolar la medición de los puntos con estaciones a aquellos que no cuentan ésta facilidad. Por ésta razón se abordo el tema del modelamiento, o mejor de la optimización de un modelo de dispersión de contaminante para el área del Valle de Aburrá. El modelo propuesto a partir de unos datos puntuales de las fuentes de emisión, los campos de viento de la zona de estudio y mediciones de concentración de PM10 genera un mapa de pronóstico en la zona de estudio entregando datos estimados de la concentración de material partículado en zonas donde no se cuenta con información, además puede ser manipulado variando datos como los niveles de emisión de las fuentes lo que permite observar el efecto global de ciertas medidas y en manos de un experto puede llevar a tomar medidas efectivas que tengan un efecto positivo en la calidad del aire de la zona de estudio. Para el desarrollo del modelo se utilizaron técnicas de computación inteligente y específicamente mecanismos evolucionaros. Está aproximación permitió que el desarrollo del modelo estuviera completamente ligado a las bases de datos antes mencionadas, factor que agrego flexibilidad por que permite realizar cambios y ajustes con solo actualizar las bases de datos de las que se alimenta el algoritmo y generar simulaciones de condiciones alternas mediante la manipulación de las bases de datos. La evaluación del desempeño del modelo se hizo con base al error existente entre la salida del mismo y los datos utilizados como referencia, utilizando como sistema de evaluación 8 métricas estadísticas que entregaban además información sobre la correlación existente, la similitud de la tendencia y la cercanía y dirección de las medias de los datos estimados con respecto a los datos de referencia.