Predecir la calidad del aire a 24 horas con una red neuronal de grafos (DCRNN)
Las estaciones de medición no son islas: el aire fluye entre ellas. Modelé esa relación espacial con un DCRNN —convolución de difusión sobre grafos + GRU— para predecir el ICA a 24h con F1 0.87 y MCC 0.74.
La contaminación del aire tiene una propiedad que la mayoría de modelos ignora: es espacial. El NO₂ que mide una estación dentro de una hora depende en parte de lo que está midiendo ahora la estación de al lado, porque el viento mueve el aire entre ellas. Tratar cada estación como una serie temporal independiente desperdicia justo la información más útil.
El problema
Quería predecir el Índice de Calidad del Aire (ICA) de cada estación con 24 horas de antelación, capturando tanto la dinámica temporal (los ciclos día/noche, las horas punta de tráfico) como la difusión espacial entre estaciones.
La arquitectura: DCRNN
Implementé una versión ligera del Diffusion Convolutional Recurrent Neural Network. La idea es elegante: combinar dos mecanismos.
- Convolución de difusión sobre el grafo: las estaciones son nodos; las aristas, ponderadas por la proximidad geográfica, modelan cómo "difunde" la señal de una a otra. Usé
K=2saltos de difusión, suficiente para capturar vecindad de segundo orden sin sobre-suavizar. - Recurrencia tipo GRU: sustituí las multiplicaciones de matrices de una GRU estándar por convoluciones de difusión, de modo que cada paso temporal "ve" el estado de toda la red de estaciones, no solo el de sí mismo.
El modelo se alimenta de 9 features por estación y hora: NO₂, PM10, O₃, viento, temperatura y codificación cíclica de la hora (hour_sin/hour_cos), que le enseña que las 23:00 y las 00:00 están "pegadas".
Decisiones técnicas
La codificación cíclica del tiempo fue clave: sin ella, el modelo trata la medianoche como el punto más lejano del mediodía, cuando en realidad la dinámica es periódica. Los datos meteorológicos vienen de Open-Meteo, y el grafo de difusión se construye a partir de las distancias reales entre las estaciones.
Resultados
- F1-score (clasificación ICA): 0.87
- MCC: 0.74 — el coeficiente de Matthews es más honesto que el accuracy cuando las categorías ICA están desbalanceadas (hay muchas más horas "buenas" que "muy malas").
- 97% de exactitud en la categoría ICA final.
Qué aprendí
Que cuando un problema tiene estructura de grafo, modelarla explícitamente bate a cualquier modelo temporal "plano". El DCRNN no es solo más preciso: sus errores tienen sentido físico, porque respeta cómo se mueve realmente el aire.
Sobre este proyecto
Predicción de Calidad del Aire
Desarrollé un sistema de predicción de calidad del aire que incorpora un endpoint de diagnóstico para proporcionar información detallada sobre el modelo utilizado y su estado actua...