Prediction of concentrations of PM2.5 in downtown Quito using the chaos theory

Pino-Vallejo, Marco; Tierra, Alfonso; Velasteguí, Arquímides Xavier Haro; Perugachi, Nelly

doi:10.1063/1.5050365

Cited by 3 publications

(6 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dentro del análisis de series temporales, algunos métodos para la reducción del ruido usan el hecho que los puntos, es decir los datos, están relacionados dinámicamente y que debido a hechos determinísticos los puntos en una misma región del espacio tienen un comportamiento similar. El algoritmo no lineal más simple sobre reducción de ruido consiste en reemplazar la coordenada central de cada vector de encaje, por un promedio local de esta coordenada (Pino-Vallejo et al, 2018). Como se expresa en la Ec.…”

Section: Reducción Del Ruidounclassified

“…Al escoger una m dimensión de encaje y un adecuado tiempo de retardo τ, por cada vector de encaje Sn se forma una vecindad Une, se forma en el espacio de fase que contiene todos los puntos Sn tal que ║Sn -S´║˂ Ԑ, donde Ԑ es el radio de la vecindad, que debe ser lo suficientemente grande para cubrir la extensión de ruido y S´ el espacio de fase inicial (Pino-Vallejo et al, 2018). Por cada vector de encaje Sn = (Sn-(m-1),....Sn) con λ=1, la coordenada corregida es Sn-(m/2), se calcula como el promedio sobre la vecindad Une.…”

Section: Reducción Del Ruidounclassified

“…254 -274 , julio 2022 www.concienciadigital.org δ i−1,j para i=2,…,m donde m es la dimensión de incrustación o encaje. El a n se halla con el método de los mínimos cuadrados σ 2 = ∑ (δ l+1 − 𝑎 𝑛 δ l − 𝑏 𝑛 ) 2 𝑙 donde δ l es el conjunto de vecinos de δ n (Pino-Vallejo et al, 2018).…”

Section: Exponentes De Lyapunovunclassified

“…6, este tipo de entropía es determinada por la suma de exponentes positivos de Lyapunov. Tiene importante significado cuando se aplica a sistemas de los cuales no se dispone más que de series temporales de valores de cierta variable (Pino-Vallejo et al, 2018).…”

Section: Exponentes De Lyapunovunclassified

See 3 more Smart Citations

Entrenamiento de redes neuronales recurrentes usando la dimensión de encaje en el espacio de las fases

2022

View full text Add to dashboard Cite

Se propone un método usando Redes Neuronales Recurrentes para la predicción de datos caóticos, aplicando la Teoría del Caos, para estudiar el comportamiento dinámico de los datos en el espacio multidimensional de las fases, establecer la correlación de los mismos y determinar la dimensión de encaje como base para el entrenamiento de las redes neuronales, así como determinar las características dinámicas del sistema calculando los coeficientes de Lyapunov y la entropía de Kolmorov-Siani, que nos indican el grado de desorden que tiene el sistema, para proyectar la precisión de la predicción. Se usan datos de contaminantes PM2.5 tomados en el centro Histórico de la ciudad de Quito, en intervalos de una hora, entre los años 2005 a 2019. Los resultados determinan que las series de datos corresponden a un sistema caótico (más de un coeficiente positivo de Lyapunov), por lo que se justifica la aplicación de la Teoría del Caos en el análisis de los mismos, dando buenos resultados en las predicciones aplicando los métodos de redes neuronales recurrentes de Elman y Jordan, al comparar las series predichas se demuestran que no presentan diferencias significativas entre ellas, ni con los datos medidos, usando el método de varianza con 0,05 de significancia, el error cuadrático porcentual respecto al rango de variación de los datos es aproximadamente del 5 % en ambos casos. Objetivos: Proponer un método que ayude al entrenamiento de las redes neuronales usando la Teoría del caos, mediante la implementación de la dimensión de encaje en el espacio de las fases.

show abstract

Section: Reducción Del Ruidounclassified

Section: Exponentes De Lyapunovunclassified

See 2 more Smart Citations

Entrenamiento de redes neuronales recurrentes usando la dimensión de encaje en el espacio de las fases

2022

View full text Add to dashboard Cite

show abstract

“…The structure of the Earth's atmosphere is extremely complex, made up of layers and sublayers that vary at different scales. However, due to technological development, it has not been possible to describe it in its entirety, several theories have emerged, such as the chaos theory, which perfectly adjusts to it and allows us to study certain particular characteristics (Motter and Campbell, 2013;Pino et al, 2018). It is in the troposphere where atmospheric turbulence, caused by thermal or mechanical imbalances, produces an increase in the chaotic movements of the air, thus favoring the phenomenon of diffusion and transport of energy and matter, in which all human activities take place and therefore it is necessary to know its behavior (Ivancevic and Ivancevic, 2007;Haro et al, 2016;Pino et al, 2018).…”

Section: Introductionmentioning

confidence: 99%

Small-scale variation of atmospheric dynamics applying chaos theory, case study

Haro Velasteguí,

Lara Sinaluisa,

Perugachi Cahueñas

et al. 2024

ATM

View full text Add to dashboard Cite

Characterization and knowledge of the variability of atmospheric dynamics on a small scale in the city of Riobamba, Ecuador, are achieved through the chaos theory. Meteorological data is taken every hour during four years, including variables such as wind speed, wind direction, incident radiation, temperature, and humidity, from the ESPOCH, SAN JUAN, and QUIMIAG weather stations in the canton of Riobamba. The van Ulden and Hostlang models are used to calculate the Obukhov length, surface heat fluxes, and latent heat flux. The chaos theory is applied to study the variation of atmospheric microdynamics. The Lyapunov coefficients, Kolmogorov-Sinai entropy, and Kaplan-Yorke fractal dimension are determined. Before analysis, noise reduction is necessary due to the lack of correlation, especially in the Obukhov length. This research follows a longitudinal design and employs quantitative and explanatory methods based on data analysis, statistical-mathematical techniques, and inductive-deductive approaches. The results indicate a highly variable system, reflected in a high number of Lyapunov coefficients, fractional dimensions, and entropy variations. The microdynamic parameters exhibit hyperchaotic behavior, as indicated by the presence of more than one positive Lyapunov coefficient. The variables also demonstrate a fractional fractal dimension, highlighting the irregularity in the geometric representation of the system.

show abstract

Predicting Haze Phenomenon using Chaos Theory in Industrial Area in Malaysia

2024

JQMA

View full text Add to dashboard Cite

Predicting the occurrence of haze is of great importance due to its negative impact on human health, the environment, and the economy. This study aims to develop a model for predicting haze using chaos theory. The data were taken from an industrial area, Klang, Selangor Malaysia during Southwest Monsoon. The model is trained using historical data on haze occurrences and the accuracy of the prediction is evaluated using a testing dataset. A chaos model, namely local mean approximation method (LMAM) will be used to predict the haze phenomenon. Results show that the chaos-based approach is effective in forecasting the onset and duration of haze events. The predicting model can provide early warnings for policymakers and relevant authorities, enabling them to take proactive measures to mitigate the effects of haze on public health and the environment. The model also presents a promising alternative to traditional forecasting techniques and highlights the potential applications of chaos theory in atmospheric science.

show abstract

Prediction of concentrations of PM2.5 in downtown Quito using the chaos theory

Cited by 3 publications

References 15 publications

Entrenamiento de redes neuronales recurrentes usando la dimensión de encaje en el espacio de las fases

Entrenamiento de redes neuronales recurrentes usando la dimensión de encaje en el espacio de las fases

Small-scale variation of atmospheric dynamics applying chaos theory, case study

Predicting Haze Phenomenon using Chaos Theory in Industrial Area in Malaysia

Contact Info

Product

Resources

About