Resumen
El desarrollo de modelos matemáticos predictivos de fenómenos de distinto 
tipo es una de las aplicaciones principales de la Minería de Datos. Los 
métodos simples disponibles para el desarrollo de modelos de predicción 
frecuentemente reducen la complejidad del problema a costa de sacrificar 
precisión en la respuesta. Frente a esta disyuntiva existe la posibilidad de 
aplicar las técnicas de minería de datos, que partiendo de la existencia y 
disponibilidad de grandes volúmenes de datos, exploran las relaciones y 
correlaciones entre las diferentes variables descriptoras del fenómeno y 
un conjunto de observaciones del mismo, buscando descubrir patrones 
de comportamiento con el objetivo de construir un modelo de 
predicción de dicho fenómeno.

Este es el caso en la modelización de elementos contaminantes en el aire. 
La contaminación atmosférica es un fenómeno con un comportamiento 
altamente no lineal y multivariante, cuyo estudio exige disponer de matrices 
de datos de gran tamaño, por lo que llegan a ser necesarias herramientas 
de análisis y manejo de datos muy complejas. 

En ocasiones se utilizan varios métodos, algunos objetivos, otros un 
tanto subjetivos buscando un balance entre las fortalezas y debilidades 
existentes en  las distintas herramientas, así como evaluar 
(frecuentemente  mediante métodos de  prueba y error) distintos 
horizontes de tiempos de anticipación en la predicción, jugar con la 
presencia y ausencia de variables involucradas, con la cantidad de datos, 
con distintas agrupaciones de los mismos, etc. siempre tratando de 
obtener una mejor comprensión del fenómeno y lograr las mejores 
predicciones posibles teniendo en cuenta las limitaciones derivadas de la 
disponibilidad de datos relativos al sistema analizado.

En el caso concreto de esta tesis, los modelos de predicción 
desarrollados se enfocaron para la predicción del valor medio de 
Partículas Finas (PM2.5) presentes en el aire respirable con un tiempo de 
anticipación de 8 horas y del Ozono Troposférico Máximo (O3) con 24 horas 
de anticipación. 

Se trabajó con un interesante conjunto de técnicas de predicción 
partiendo de herramientas de naturaleza paramétrica tan sencillas como 
Persistencia, Modelación Lineal Multivariante, así como la técnica semi-
paramétrica denominada “Regresión Ridge”  además de herramientas de 
naturaleza no paramétrica como Redes Neuronales Artificiales y Máquinas de 
Vectores Soporte (SVM).  

Dado que se conocía previamente la naturaleza altamente no lineal de los 
contaminantes modelados, las técnicas paramétricas tuvieron el cometido 
de establecer límites máximos de error en la predicción y de ser 
importantes referencias  comparativas respecto al resto de modelos 
desarrollados.

Un resultado significativo del trabajo fue la obtención de modelos de 
predicción mejores a los disponibles en la bibliografía, aplicando 
herramientas de Redes Neuronales Artificiales como Perceptrón Multicapa 
(MultiLayer Percepton, MLP), Perceptrón Multi Capa Cuadrática  (SMLP), 
Función de Base Radial (RBF) y Redes Elman, así como Máquina de Vectores 
Soporte (SVM).