Mapas de predicción y pronóstico en Corea del Sur con alta resolución espaciotemporal y evaluaciones basadas en la...

Área de la Ciencia:

• Ciencias del medio ambiente
• Ciencia de los datos
• Salud pública

Sus antecedentes:

• Existen modelos de aprendizaje automático limitados a nivel nacional tanto para el mapeo como para el pronóstico de PM2,5.
• Los estudios anteriores se centraron en la precisión de la predicción, descuidando la evaluación del riesgo para la salud de PM2.5.

Objetivo del estudio:

• Desarrollar modelos de mapeo y pronóstico de PM2.5 a nivel nacional utilizando el aprendizaje automático en Corea del Sur.
• Proponer un método para evaluar las propiedades estadísticas de la estimación del riesgo para la salud de las PM2,5 para la selección de modelos.

Principales métodos:

• Utilizó tres algoritmos de aprendizaje automático y un método de conjunto para la predicción de PM2,5.
• Se utilizan datos basados en satélites para la predicción espacial (1 km2) y el pronóstico de dos días (2015-2022).
• Se han llevado a cabo estudios de simulación para evaluar las propiedades de estimación del riesgo para la salud de las partículas PM2,5.

Principales resultados:

• El modelo de predicción espacial conjunto logró un rendimiento superior (0,956 prueba R2).
• Los modelos de mapeo demostraron un bajo sesgo promedio por ciento (1.403% - 1.787%) para el riesgo de mortalidad por PM2.5.
• Los modelos de pronóstico lograron un mejor R2 de 0,904.

Conclusiones:

• Desarrollo de modelos eficaces de aprendizaje automático para la predicción y el pronóstico espacial de las PM2,5 en Corea.
• Propuso un enfoque simultáneo para la estimación del riesgo de PM2,5 y la selección de modelos.