Machine learning and magnetic parameters to monitor potentially toxic elements in urban road dust of Mexico City
Aprendizaje automatizado y parámetros magnéticos para monitorear elementos potencialmente tóxicos en polvo de vialidades urbanas de la Ciudad de México
Ruben Cejudo1,*, Francisco Bautista Zuñiga2, Jaime Urrutia-Fucugauchi3, Avto Goguitchaichvili1, Vadim Kravchinsky4, Patricia Quintana Owen5, Daniel Aguilar6
1 Instituto de Geofísica-UNAM campus Morelia, Antigua Carretera a Pátzcuaro 8701 Col. San José de la Huerta C.P 58190, Morelia, Mexico.
2 Centro de Investigaciones en Geografía Ambiental-UNAM campus Morelia, Antigua Carretera a Pátzcuaro 8701, Col. San José de la Huerta C.P 58190, Morelia, Mexico.
3 Instituto de Geofísica-UNAM, Circuito de la Investigación Científica s/n, Ciudad Universitaria, Alcaldía Coyoacán. C.P. 04510. Ciudad de México.
4 Department of Physics, University of Alberta, Edmonton, Alberta, Canada T6G 2E1.
5 CINVESTAV Mérida, Km. 6 Antigua carretera a Progreso Apdo. Postal 73, Cordemex, 97310, Mérida, Yuc., México.
Corresponding author: (R. Cejudo) This email address is being protected from spambots. You need JavaScript enabled to view it.
How to cite this article:
Cejudo, R., Bautista Zuñiga, F., UrrutiaFucugauchi, J., Goguitchaichvili A., Kravchinsky, V., Quintana Owen, P., Aguilar, D., 2024, Machine learning and magnetic parameters to monitor potentially toxic elements in urban road dust of Mexico City: Boletín de la Sociedad Geológica Mexicana, 76 (3), A290224. http://dx.doi.org/10.18268/BSGM2024v76n3a290224
Manuscript received: October 26, 2023; corrected manuscript received: February 20, 2024; manuscript accepted: February 28, 2024.
RESUMEN
La alta concentración de elementos potencialmente tóxicos en el polvo de carreteras urbanas se ha asociado con graves problemas de salud. Sin embargo, no existe un método sistemático de monitoreo de elementos tóxicos en polvo sedimentado de carreteras en zonas metropolitanas. Aquí desarrollamos un modelo matemático basado en algoritmos de aprendizaje automático, empleando parámetros magnéticos (susceptibilidad específica, susceptibilidad dependiente de la frecuencia y magnetización remanente isotérmica) para el monitoreo proxy de elementos tóxicos.
Se aplicaron algoritmos de aprendizaje automatizado: redes neuronales artificiales, árboles de clasificación y modelo de regresión lineal para el análisis de 140 muestras de polvo vial, recolectadas en el área metropolitana de la Ciudad de México, para determinar su capacidad de predecir las concentraciones de cromo, cobre, plomo, vanadio y zinc en polvo de carretera y evaluar el índice de carga contaminante. Encontramos que el algoritmo basado en redes neuronales artificiales es 20% mejor estimador de la concentración de elementos tóxicos, en comparación con los modelos de árbol de decisión y regresión lineal múltiple. Se propone el uso de modelos matemáticos basados en redes neuronales y parámetros magnéticos para diseñar un sistema de monitoreo proxy de elementos potencialmente tóxicos en polvo urbano.
Palabras clave: índice de carga contaminante, redes neuronales artificiales, parámetros mag néticos, polvo urbano, Ciudad de México.
