“La ecuación que el modelo neuronal maneja es altamente eficiente y nos brinda un buen nivel de certezas", aseguró uno de los creadores del modelo, el Dr. Patricio Pérez, de la Usach.
En medio de la polémica que ha generado las constantes fallas del modelo oficial de pronóstico de episodios críticos de contaminación del aire (Casmassi), el Centro Meteorológico Ambiental del Departamento de Física de la Universidad de Santiago de Chile, informó que el Modelo Neuronal de pronósticos que utiliza la universidad arrojó un 93 por ciento de efectividad en el período de excepción ambiental del año 2010.
En 2010 se constataron once Alertas y dos Preemergencias Ambientales. De las once Alertas, el modelo Neuronal Usach anticipó correctamente ocho, con un nivel de acierto de 73%. El modelo oficial Casmassi acertó a cinco casos de Alerta, con un 45% de efectividad. Ninguno de los dos modelos previó las Preemergencias como tal.
El coordinador del Centro Meteorológico Ambiental de la Usach, Dr. Patricio Pérez, explicó que las dos Preemergencias del año pasado fueron pronosticadas como Alerta por su modelo y el oficial. "Las dos episodios tuvieron características inusuales, ya que se desencadenaron tardíamente, sin que modelos meteorológicos y de calidad del aire disponibles pudieran anticiparlas a la hora en que se hacen las recomendaciones al gobierno regional", precisó el experto.
Para este tipo de situaciones, la Usach ya tiene una solución. "Comprobamos que con un modelo neuronal alternativo podíamos pronosticar correctamente las dos Preemergencias de 2010. Se trata de un modelo que recoge información de concentraciones de PM10 hasta las 21 horas, cuando ya las tendencias son más marcadas. Este resultado permitiría elaborar un reporte antes de las 22 horas, justo cuando finalizan los noticiarios de televisión", agregó el Dr. Pérez.
El modelo Neuronal Usach tuvo un acierto del 96 por ciento en los días en que la calidad de aire estuvo en un rango de Bueno a Regular.
A juicio del Dr. Pérez, la precisión del modelo es muy buena, “no sólo porque logramos detectar una cantidad importante de los episodios, sino que también hay una muy buena precisión para determinar las concentraciones (Índice de Concentración de Partículas ICAP) que se van a producir en cada una de las comunas de Santiago, información que es importante porque no sólo interesa saber si se va a alcanzar un nivel peligroso al día siguiente, sino que también dónde se van a alcanzar esos niveles peligrosos”, indicó.
Modelo Neuronal versus Casmassi
Entre el modelo Casmassi y el Neuronal Usach hay varias diferencias. Este último, usa los horarios de esmog a cada hora y no una vez al día como el Casmassi, y conecta, como una red neuronal, las mediciones de las ocho estaciones de monitoreo, además de incluir otros parámetros como los flujos vehiculares, la velocidad del viento y factor de ventilación.
El Dr. Pérez señala que el modelo de predicción de la calidad del aire creado en la Usach, es el mejor. "Como modelo matemático es óptimo, y si lo denominamos como sistema predictivo, también lo es. La ecuación que el modelo neuronal maneja es altamente eficiente y nos brinda un buen nivel de certezas", aseguró.
Ante la inminente aplicación de una norma para PM 2,5 fino –el más dañino para la salud humana- el Modelo Neuronal Usach de diagnóstico y pronóstico ya está en funcionamiento, en fase de prueba, para este tipo de material particulado presente en el aire.
