Modelacion Atmosferica de La Calidad Del Aire

8/18/2019 Modelacion Atmosferica de La Calidad Del Aire

1/34

MODELACIONATMOSFERICA DE LACALIDAD DEL AIRE


2/34

MODELO ATMOSFERICO

Los modelos atmosféricos son herraminformáticas que permiten obtener proyecde un contaminante en el ambiente.


3/34

TIPOS DE MODELOSATMOSFERICOS


4/34

1.-Físicos

Involucra el uso de túneles de viento, canales de aumedios para modelar !uidos. "sta clase de modelo un alto nivel técnico especiali#ado, así como el accrecursos necesarios. $ueden ser muy útiles para

situaciones de !u%o comple%o, con terrenos muy irrdonde se presentan edi&caciones o sobre alturas desobresalientes. "s aplicable a un rupo de fuentes aen unos pocos 'il(metros cuadrados. "sta es la me%oy la más apro)imada a la realidad, sin embaro utili#ado por los recursos que se deben poseer para u


5/34

2.- +atemáticos

2.1 eterminísticos

2.1.1 e ca%a2.1.2 aussianos2.1.3 uméricos2.1.4 "ulerianos2.1.5 Lananrianos

2.2 "mpíricos

2.2.1 "stadísticos


6/34

Software recome!a!o"ara mo!e#ac$%


7/34

/.-0ecomendados por la "$1

1.1 I234 1.2 5L$ 65ouyant Line and $oint 2ource +odel7

1.3 38+$L92

1.4 :3 6:;shore and 3oastal ispersion +odel7

1.5 31L$9FF

1.& 1"0+: +odelin 2ystem 1.' 31L431L4


8/34

2.- 1lternativos de la "$1

2.1 11+ 61ir Force ispersion 1ssessment +odel7

2.2 1F8:?

2.3 12$"

2.4 I234 6Industrial 2ource 3omple) +odel7

2.5 "1I2

2.& 1+2-4 61tmospheric ispersion +odelin 2ystem7

2.' =2@28"+

2.( =:8+13>01$81

2.) $anache

2.1* =@0:1 6=@brid 0:1Aay +odel7


9/34

2.11 =@2$LI8

2.12 I23-$0I+"

2.13 :5:+

2.14 :BI$0

2.15 $L9C9"II

2.1& 23I$9FF 62econd-order 3losure Interated $9FF +odel7

2.1' 2+ 62horeline ispersion +odel7

2.1( 2L15

2.1) 5ree#e


10/34

3 Foto,m$co/

3.1 3+1< 63ommunity +ulti-scale 1ir


11/34

MODELACI0N ATMOSFRICA DE CALIDAD DEL AIRE

EN LA CIDAD DE CIAA

C. 0odríue#-0osales/, D. $arra-5erumenE, 1. 3ampos-8ru%illoE, 1. e la $ea-1rellano/, D. 0o0osales/ y 2. Calle-3ervantes/G

1Instituto Tecnológico de Durango. Departamento de Ingeniería Química y BioquímicBlvd. Felipe Pescador # 1!" te.$ %P !&"" Durango$ Dgo. '()ico.

*%entro de Investigación en 'ateriales +van,ados. Departamento de %iencia y Tecnología +m-ie%ervantes aavedra # 1*" %omple/o Industrial %0i0ua0ua$ %0i0. '()ico.


12/34

Re/me

$ara estudiar el comportamiento de los parámetros contaminantes 3:, :$+/H, se ha utili#ado una herramienta del análisis multivariado, conocanálisis de componentes principales 6$317, en el que se han tomado además factores meteorol(icos tales como velocidad y direcci(n dtemperatura atmosférica, humedad relativa, radiaci(n solar, presi(n baroprecipitaci(n pluvial. 2e ener( un modelo empírico que permite predecir de estos parámetros contaminantes a partir de datos hist(ricos, y se ide

las variables que contribuyen principalmente a la contaminaci(n atmosrequiere usar mayor variabilidad en los datos para tener un me%or modelopredecir e&cientemente el comportamiento de las variables medidas.

Pala-ras clave contaminaci(n atmosférica, análisis de componentes peienvalor, eienvector, rá&cas de residuos, rá&cas de contribuci(n.


13/34

Itro!cc$%

La técnica de 1nálisis de atos +ultivariados 6+17 ha demostruna herramienta efectiva para el análisis de este tipo de datos 63aroll, /JKM =air y col., /JJJ7. 1demás, esta técnica tambiénusarse para reducir el número de datos y esta simpli&caci(n hace el uso de modelos que describan la tendencia de los datos. $31 ha

una ran aplicaci(n en los últimos tiempos 6$io y col., /JNJcontaminantes en la atm(sfera 6Ohite, /JJ/7, para preciptambién ha sido utili#ado por climat(loos y meteor(loos pdelineaci(n de patrones de temperatura, presi(n, precipitaci(60ichman, /JN/7.


14/34

Meto!o#oa

La base de datos con la que setraba%( fue obtenida a través deuna 9nidad +(vil de +onitoreo1tmosférico 69++17 de la ciudadde 3hihuahua, 3hih., ésta unidadestuvo monitoreando el sur de laciudad durante 4 meses 6Febrero

a +ayo del EHHP7. Los datos paralas // variables se recopilarondurante las EP horas, haciendouna medici(n por hora,enerando una matri# de datoscon EHE4 muestras y // variables


15/34

Meto!o#oa

ebido a la ran cantidad yvariabilidad de condicionesque intervienen en lamedici(n de los

contaminantesatmosféricos , es necesariorevisar y depurar lainformaci(n.

Identi&caci(n de datos que resultan de pese presentaron fallas técnicas en el siste6enería eléctrica, anali#adores, mantenimiento preventivo, entre otros7.

Identi&caci(n de los valores que

comportamiento fuera de patr(n qcontaminantes en un determinado períodve# identi&cados estos datos, se reemplapromedio. 2in embaro, cuando el periorande, se opt( por la eliminaci(n demuestreo.


16/34

Meto!o#oa

@a que contamos con esta base de datos,se desarroll( el análisis tomando comobase de cálculo el softAare de +atlab,debido a que esta diseado para reali#arcálculos numéricos con vectores ymatrices. 2e utili#( el primer KQR de la

base de datos para enerar el modelo y elEQR restante para validar el mismo. Laprimer parte de los datos están contenidosen la matri# S0m)n. onde m representael número de muestras y n el número devariables.


17/34

Cariables oriinales transformadas o autoescalados


18/34


19/34

Meto!o#oa

2e calcula la matri# decorrelaci(n L0n)n,puesto que lasvariables no presentan

las mismas unidades yse considera que todasellas son iualmenterelevantes.


20/34

$31 descompone los datos de la matri# decorrelaci(n L como la suma del producto de losvectores ti y pi más una matri# residual 6Oise andallaher, /JJ7.

2e determinan los $3s 6combinaciones lineales

de las n variables7, cuya característica es quetienen correlaci(n mutua nula.

Los veformanson losde la mcorrela


21/34

Meto!o#oa

2e calculan los eienvalores de L y seordenan en forma decreciente de acuerdoa la varian#a que captura cada uno deellos, de este modo, T/UTE,V,T.Iualmente se calculan los eienvectores

asociados a cada eienvalor C/,CE,V,C.


22/34

Meto!o#oa

2e calcula la falta dea%uste estadístico6residuos7, que puede

calcularse por medio dela suma de cuadrados decada &la de la matri# E.


23/34

Meto!o#oa

"l límite decon&an#a para <residual puede

establecerse de lasiuiente manera.


24/34

Re/#ta!o/

Ta6#a 1. Porc$e

7ar$a8a ca"trmo!e#o PCA


25/34

Re/#ta!o/

Ta6#a 2.

E$e7ectormatr$8 !e co


26/34

Re/!e#


27/34

Ne7re/$!


28/34

Cotr7ar$a6

me/


29/34

Cotr#a/ 7a

"ara 22


30/34

Pre!


31/34

Pr


32/34

Pre!


33/34

Pre


34/34

Coc#/$oe/

"l $31 lor( reducir la dimensionalidad del con%unto de datos, y pesar de ello se siuen describiendo los datos en su mayor partepuesto que con P $3s se representa el KER de la varian#a de las /variables oriinales. inuna de las variables sobrepas( loestándares de calidad del 1ire establecidos en las ormas :&ciale

+e)icanas, por tanto es necesario tener una base de datos mayopara enerar un me%or modelo que abarque todas las condicioneposibles en los valores de cada una de las variables contaminantes"s necesario desarrollar más traba%o de análisis sobre la base dedatos para me%orar la predicci(n de las variables utili#ando $31.

Documents

Modelacion Atmosferica de La Calidad Del Aire