Calibración inteligente de módulos de medición de calidad del aire de bajo costo utilizando técnicas de Inteligencia Artificial

El monitoreo de la calidad de aire es clave para ayudar a los gobiernos a tomar acciones informadas de mejora ambiental y a los ciudadanos a tomar consciencia sobre la calidad del aire circundante, ayudando así al cuidado de su salud. La forma tradicional de monitorear el aire es través de estaciones certificadas, que, a pesar de generar datos confiables, su adquisición y operación es onerosa para muchas ciudades. En los últimos años han emergido tecnologías de bajo coste que vienen posibilitando el despliegue de grandes redes de monitoreo a costos reducidos. No obstante, la confiabilidad de los datos capturados por estas tecnologías ha sido cuestionada con frecuencia debido a que su desempeño suele ser muy sensible a las variaciones de las condiciones ambientales, meteorológicas y de envejecimiento, por lo que sus mediciones se usan mayormente como mediciones indicativas. El presente proyecto busca mejorar la confiabilidad de los datos generados por los sensores de bajo costo. El enfoque de la investigación es cuantitativo, en el cual se ajustarán modelos de calibración/corrección usando técnicas de aprendizaje automático y datos recolectados en campo. Como objetivo general se tiene: desarrollar un sistema inteligente de calibración de sensores de calidad de aire de bajo costo que maximice la calidad de los datos entregados, que sea usable en diversos entornos urbanos y temporadas climáticas y que minimice el tiempo de calibración. Para el cumplimiento del objetivo general se plantean los siguientes objetivos específicos: O1. Recopilar un conjunto de datos de mediciones de sensores de calidad de aire de bajo costo, sensores de referencia y variables ambientales y meteorológicas en 3 regiones climáticas del Perú O2. Implementar modelos de calibración de sensores de bajo coste con base a la data recopilada y técnicas de aprendizaje automático O3. Desarrollar y validar un módulo de software (API) que integre los modelos de calibración desarrollados y que tenga la capacidad de calibrar las mediciones de nuevos sensores de forma automatizada y en tiempo real El resultado más importante de la investigación es una metodología validada para generar modelos de autocalibración de sensores de calidad de aire de bajo costo. Un segundo resultado será un prototipo de software que integra los modelos de calibración desarrollados y que podrá dar servicio de calibración en tiempo real a la plataforma de monitoreo de calidad de aire que gestiona por la empresa qAIRa. El impacto de los prototipos es la mejora en la confiabilidad de los datos recogidos por las tecnologías de medición de calidad del aire de bajo costo. Esto a su vez podrá estimular su adopción en las redes de monitoreo como herramientas de medición equivalentes, lo que generaría un beneficio económico y social.