Modelado predictivo de las variaciones del radón en series temporales utilizando wavelets, regresión lineal múltiple...

Área de la Ciencia:

• La geofísica
• Ciencias del medio ambiente
• Sismología

Sus antecedentes:

• El radón (²²²Rn) es un gas radiactivo que se produce naturalmente a partir de la desintegración del uranio.
• El radón se utiliza como trazador geofísico y sus datos de serie temporal (RTS) pueden indicar eventos sísmicos.
• Comprender el comportamiento del radón con los factores climatológicos es crucial para los estudios geofísicos y sísmicos.

Objetivo del estudio:

• Para analizar datos complejos de series temporales de radón (RTS) junto con factores climatológicos (temperatura, presión, humedad).
• Extraer información física significativa de los datos RTS mediante el uso de técnicas de simulación.
• Identificar modelos óptimos para predecir la concentración de radón y su potencial como precursor de terremotos.

Principales métodos:

• Regresión basada en ondulaciones (WBR) para analizar el comportamiento del radón con temperatura, presión y humedad.
• Regresión lineal múltiple (RML) para evaluar las relaciones entre el radón y los factores climáticos.
• Modelo de promedio móvil integrado autorregresor (ARIMA) para el análisis de series temporales, la identificación de patrones y la predicción, optimizado utilizando AIC y BIC.

Principales resultados:

• El radón exhibe un comportamiento lineal con la temperatura y un comportamiento no lineal con la presión y la humedad a través de WBR.
• MLR confirma una relación positiva entre el radón, la presión y la humedad.
• Se observaron anomalías en los datos RTS anteriores a los eventos sísmicos.
• El modelo ARIMA demostró un rendimiento superior en la predicción de las concentraciones de radón durante períodos prolongados.

Conclusiones:

• Los datos de las series temporales de radón, influenciados por factores climatológicos, muestran potencial como precursores de terremotos.
• El modelo ARIMA es muy eficaz para predecir las concentraciones de radón, contribuyendo a la reducción del riesgo de desastres.
• Esta investigación apoya los Objetivos de Desarrollo Sostenible de las Naciones Unidas para la salud ambiental, la seguridad de la infraestructura y la resiliencia ante desastres.