%0 Journal Article
%T El uso de perceptrones multicapa para la modelizaci車n estad赤stica de series de tiempo no lineales de so2, en Salta Capital, Argentina The use of multilayer perceptrons for statistical modeling so2 non linear time series in Salta Capital, Argentina
%A Hayde谷 Elena Musso
%A Orlando Jos谷 芍vila Blas
%J Revista de Matem芍tica Teor赤a y Aplicaciones
%D 2013
%I Centro de Investigaciones en Matem芍tica Pura y Aplicada (CIMPA)
%X En este trabajo se realiz車 un estudio estad赤stico de variables f赤sico qu赤micas asociadas al fen車meno de contaminaci車n ambiental, en particular concentraci車n media mensual de SO2 , medidas en la ciudad Salta Capital, Argentina, simult芍neamente a concentraciones de NO2 y O3 . Las series bajo estudio presentaban comportamientos din芍micos no lineales, datos at赤picos y cambios estructurales, lo que hizo imposible modelarlas con tipolog赤as econom谷tricas tradiciones (AR, MA, ARMA, ARIMA, entre otras). Una soluci車n eficiente que se encontr車, hace uso de la teor赤a de los perceptrones multicapa. Mediante el modelo estructural de series de tiempo, esta soluci車n se presenta como un proceso matem芍tico iterativo que permite obtener un modelado final el cual tiene una muy alta confiabilidad (95%), para realizar prono車sticos a futuro sobre el comportamiento de la variable estudiada. In this paper a statistical study of phisical-chemistry variables connected with enviroment pollution, specifically SO2 monthly average concentration, measured in Salta Capital city, Argentina, together with NO2 and O3 concentrations, was made. Time series under study shown non linear dinamic behaviour, outliers and structural changes. Due to these it was impossible to use typical econometric typologies (AR, MA, ARMA, ARIMA, among others). An effective solution which uses multistep perceptrons theory was found. By using structural time series modelling, this solution is presented by an iterative mathematical process that allows us to obtain a final model with a high confidence level (95%) in order to do the forecasting step on the studied variable.
%K series de tiempo
%K modelizaci車n
%K perceptrones multicapa
%K contaminaci車n ambiental
%K di車xido de azufre
%K muestreo pasivo
%K time series
%K modelling
%K multistep perceptrons
%K air pollution
%K sulfure dioxide
%K passive sampling
%U http://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S1409-24332013000100005