The main objective of this study is to model the concentration of ozone in the winter season on air quality through machine learning algorithms, detecting its impact on population health. The study area involves four monitoring stations: Ate, San Borja, Santa Anita and Campo de Marte, all located in Metropolitan Lima during the years 2017, 2018 and 2019. Exploratory, correlational and predictive approaches are presented. The exploratory results showed that ATE is the station with the highest prevalence of ozone pollution. Likewise, in an hourly scale analysis, the pollution peaks were reported at 00:00 and 14:00. Finally, the machine learning models that showed the best predictive capacity for adjusting the ozone concentration were the linear regression and support vector machine.

Over the years, electricity consumption behavior in Brazil has been analyzed due to financial and social problems. In this context, it is important to simulate energy prices of the energy efficiency auctions in the Brazilian electricity market. The Markov Chain Monte Carlo (MCMC) method generated simulations; thus, several samples were generated with different sizes. It is possible to say that the larger the sample, the better the approximation to the original data. Then, the Kernel method and the Gaussian mixture model used to estimate the density distribution of energy price, and the MCMC method were crucial in providing approximations of the original data and clearly analyzing its impact. Next, the behavior of the data in each histogram was observed with 500, 1000, 5000 and 10,000 samples, considering only one scenario. The sample which best approximates the original data in accordance with the generated histograms is the 10,000th sample, which consistently follows the behavior of the data. Therefore, this paper presents an approach to generate samples of auction energy prices in the energy efficiency market, using the MCMC method through the Metropolis–Hastings algorithm. The results show that this approach can be used to generate energy price samples.

La investigación se realizó en 4 distritos del valle del Mantaro: INIA El Tambo, EEA Mantaro, Chupaca y Huayao; Provincias de Huancayo, Jauja y Chupaca, Departamento de Junín, agosto 2017. Los objetivos fueron: Identificar y seleccionar un número mínimo de propiedades físicas, químicas y biológicas como indicadores de calidad del suelo y contribuir a establecer pautas para mejorar los suelos y sostenerlos. Los indicadores de calidad de suelo se basaron en el concepto de valoración de manejo del suelo (Soil Management Assessment Framework –SMAF) que emplea indicadores múltiples, con el objeto de registrar propiedades físicas, químicas, biológicas y procesos del suelo; cuanto más indicadores se emplee en el  análisis, la caracterización será más precisa y es el Conjunto Mínimo de Datos (CMD), esta fue una herramienta que permitió construir un índice que puede ser empleado para evaluar los efectos del manejo a través del tiempo. El análisis de agrupamiento con respeto a las propiedades químicas, reveló diferencias entre localidades y dentro de las mismas. Esto indica que los suelos de Santa Ana (S) y Mantaro (M) no son tan diferentes a los de Huayao (H) y difieren más con respecto a Chupaca (C).El análisis clúster con respecto a las propiedades físicas de los suelos determinó que Huayao y Chupaca forman un grupo similar entre sí pero diferente a los suelos de Mantaro y Santa Ana. Un resultado parecido se observó en el agrupamiento de propiedades químicas.Los resultados de Índices de Calidad (IC) o ICSA, revelaron antes del experimento que Chupaca tiene los mejores suelos y Santa Ana los menos fértiles. Los índices de calidad obtenidos fueron construidos en base a la mejor y peor condición de cada indicador de los suelos experimentales. Sobre la base de los índices de calidad de suelo determinados (Cantú et al., 2007) y luego del análisis de agrupamiento, resulta que los suelos de Chupaca y Huayao tienen similar calidad y son los mejores, le sigue Mantaro y luego Santa Ana, como los de menor calidad. La mejor calidad de suelos se debe a su mayor contenido de materia orgánica y mejor CIC. En base a los cálculos de los índices de calidad del suelo (IC) se ha determinado, para el caso del cultivo de maíz, que los suelos de Mantaro son los mejores y Santa Ana de menor calidad, este caso es similar al análisis inicial. Este resultado corrobora el análisis de componentes principales (ACP). En conclusión, Existe diferente nivel de fertilidad de los suelos en estudio y dentro de las parcelas experimentales antes y después de la aplicación de los tratamientos, mientras que la adición de MO ha acidificado ligeramente el suelo.

La investigación se realizó en 4 distritos del valle del Mantaro: INIA El Tambo, EEA Mantaro, Chupaca y Huayao; Provincias de Huancayo, Jauja y Chupaca, Departamento de Junín, agosto 2017. Los objetivos fueron: Identificar y seleccionar un número mínimo de propiedades físicas, químicas y biológicas como indicadores de calidad del suelo y contribuir a establecer pautas para mejorar los suelos y sostenerlos. Los indicadores de calidad de suelo se basaron en el concepto de valoración de manejo del suelo (Soil Management Assessment Framework –SMAF) que emplea indicadores múltiples, con el objeto de registrar propiedades físicas, químicas, biológicas y procesos del suelo; cuanto más indicadores se emplee en el  análisis, la caracterización será más precisa y es el Conjunto Mínimo de Datos (CMD), esta fue una herramienta que permitió construir un índice que puede ser empleado para evaluar los efectos del manejo a través del tiempo. El análisis de agrupamiento con respeto a las propiedades químicas, reveló diferencias entre localidades y dentro de las mismas. Esto indica que los suelos de Santa Ana (S) y Mantaro (M) no son tan diferentes a los de Huayao (H) y difieren más con respecto a Chupaca (C).El análisis clúster con respecto a las propiedades físicas de los suelos determinó que Huayao y Chupaca forman un grupo similar entre sí pero diferente a los suelos de Mantaro y Santa Ana. Un resultado parecido se observó en el agrupamiento de propiedades químicas.Los resultados de Índices de Calidad (IC) o ICSA, revelaron antes del experimento que Chupaca tiene los mejores suelos y Santa Ana los menos fértiles. Los índices de calidad obtenidos fueron construidos en base a la mejor y peor condición de cada indicador de los suelos experimentales. Sobre la base de los índices de calidad de suelo determinados (Cantú et al., 2007) y luego del análisis de agrupamiento, resulta que los suelos de Chupaca y Huayao tienen similar calidad y son los mejores, le sigue Mantaro y luego Santa Ana, como los de menor calidad. La mejor calidad de suelos se debe a su mayor contenido de materia orgánica y mejor CIC. En base a los cálculos de los índices de calidad del suelo (IC) se ha determinado, para el caso del cultivo de maíz, que los suelos de Mantaro son los mejores y Santa Ana de menor calidad, este caso es similar al análisis inicial. Este resultado corrobora el análisis de componentes principales (ACP). En conclusión, Existe diferente nivel de fertilidad de los suelos en estudio y dentro de las parcelas experimentales antes y después de la aplicación de los tratamientos, mientras que la adición de MO ha acidificado ligeramente el suelo.