Análisis de la predictibilidad de las concentraciones anuales de PM2.5 en Quito, aplicando la entropía de Kolmogórov-Sinai

El material particulado de 2.5 micras conocido como PM2.5, se encuentran en el aire urbano, principalmente debido a la contaminación vehicular. Los efectos en la salud son irreversibles debido a que por su dimensión puede alojarse permanentemente en los alvéolos pulmonares. El objetivo de la investigación fue analizar la predictibilidad de las concentraciones de PM2.5 en Quito-Ecuador (0°13'12.46"S, 78° 30'36.97"O, altura 2830m), mediante la entropía de Kolmogórov-Sinai. Se utilizaron los datos históricos de las concentraciones de PM2.5, registrados por la Red de Monitoreo Atmosférico Metropolitano de Quito del período 2005-2016. Previo al análisis de predictibilidad se calcularon los parámetros de tiempo de retardo, la dimensión de encaje y exponentes de Lyapunov que determinan la dinámica del sistema, para procesar los datos se usa el modelo Tisian. El mayor número de exponentes positivos de Lyapunov se encuentran en los años 2011, 2013 y 2016. La entropía de Kolmogórov-Sinai tiene una tendencia a incrementarse en el transcurso de los 12 años analizados, lo cual implica una disminución en la predictibilidad de los datos de PM2.5, debido a la pérdida de información a lo largo de la evolución del sistema. The particulate material of 2.5 microns known as PM2.5 is found in urban air, mainly due to vehicular contamination. The health effects are irreversible because by their size it can permanently lodge in the pulmonary alveoli. The objective of the research was to analyze the predictability of PM2.5 concentrations in Quito-Ecuador (0-13'12.46"S, 78'30'36.97" O, height 2830 m), using the entropy of Kolmogórov-Sinai. The historical data of the concentrations of PM2.5, recorded by the Quito Metropolitan Atmospheric Monitoring Network from 2005-2016, were used. Prior to the predictivity analysis, the time delay parameters, the fit dimension and the Lyapunov exponents that determine the system dynamics, were calculated. The Tisian model is used to process the data. The largest number of positive exponents of Lyapunov are found in 2011, 2013 and 2016. Kolmogorov-Sinai entropy has a tendency to increase over the course of the 12 years analyzed, which implies a decrease in the predictability of PM2.5 data, due to the loss of information over the course of the system evolution.