Uso de lógica difusa para la determinación del índice de calidad del aire en la Ciudad de México mediante inferencia Mamdani

Palabras clave: lógica difusa, calidad del aire, IMECA, Mamdani, sistemas inteligentes ambientales

Resumen

La evaluación de la calidad del aire en entornos urbanos representa un reto importante debido a la complejidad de los contaminantes atmosféricos y su impacto en la salud pública. En la Ciudad de México, el Índice Metropolitano de la Calidad del Aire (IMECA) proporciona información técnica que resulta difícil de interpretar para la población general. En este trabajo se presenta el diseño e implementación de un sistema basado en lógica difusa para determinar el nivel de riesgo asociado a la calidad del aire utilizando como variables de entrada las concentraciones de ozono (O₃) y monóxido de carbono (CO). El modelo utiliza funciones de pertenencia trapezoidales y un sistema de inferencia tipo Mamdani para generar una clasificación lingüística del riesgo ambiental. Los resultados obtenidos muestran que el sistema permite traducir valores cuantitativos en interpretaciones cualitativas comprensibles, facilitando la toma de decisiones relacionadas con actividades al aire libre. Este enfoque demuestra la viabilidad de la lógica difusa como herramienta de apoyo en sistemas inteligentes de monitoreo ambiental.

Descargas

La descarga de datos todavía no está disponible.

Citas

Zadeh, L. A. (1965). Fuzzy sets. Information and Control.

Luna, G. M. (2002). Introducción a la lógica difusa. CINVESTAV.

Lee, C. C. (1990). Fuzzy logic in control systems.

SEMARNAT (2017). Índice Metropolitano de la Calidad del Aire.

Vallejo et al. (2003). Efectos de la contaminación atmosférica en la salud. Gaceta Médica de México.

Acampora, G., & Loia, V. (2005). Fuzzy control interoperability and Java technology. IEEE Transactions on Industrial Informatics, 1(4), 252-265.

Borrego, C., Saavedra, S., Costa, A. M., Torres, J. A., & Martins, H. (2006). Optimization of air quality monitoring networks in urban areas. Atmospheric Environment, 40(28), 5460-5471.

Carrasco, E., Figueroa, I., & Salgado, R. (2012). Assessment and prediction of air quality using fuzzy logic and autoregressive models in Mexico City. Atmospheric Environment, 60, 411-420.

Dunea, D., Iordache, S., & Liu, H. Y. (2011). Fuzzy inference systems for estimation of Air Quality Index. Romanian Journal of Meteorology, 13(1-2), 45-56.

García-Reynoso, J. A., Grutter, M., & Ruiz-Suárez, L. G. (2009). Evaluación del Índice Metro-politano de la Calidad del Aire (IMECA) y su percepción pública. Revista Internacional de Contaminación Ambiental, 25(3), 175-189.

Kaufmann, A., & Gupta, M. M. (1991). Introduction to fuzzy arithmetic: Theory and applica-tions. Van Nostrand Reinhold.

Klir, G. J., & Yuan, B. (1995). Fuzzy sets and fuzzy logic: Theory and applications. Prentice Hall.

Mamdani, E. H., & Assilian, S. (1975). An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies, 7(1), 1-13.

Marques, G., Ferreira, C. R., & Pitarma, R. (2019). Indoor air quality assessment using a fuzzy inference system. IEEE Access, 7, 126659-126668.

Molina, L. T., & Molina, M. J. (Eds.). (2002). Air quality in the Mexico megacity: An integrated assessment. Kluwer Academic Publishers.

Norma Oficial Mexicana NOM-020-SSA1-2014. Salud ambiental. Valor límite permisible para la concentración de ozono (O3) en el aire ambiente y criterios para su evaluación. Secreta-ría de Salud.

Pedrycz, W., & Gomide, F. (2007). Fuzzy systems engineering: Toward human-centric compu-ting. John Wiley & Sons.

Pope, C. A., Burnett, R. T., Thun, M. J., Calle, E. E., Krewski, D., Ito, K., & Thurston, G. D. (2002). Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particu-late air pollution. JAMA, 287(9), 1132-1141.

Ross, T. J. (2010). Fuzzy logic with engineering applications (3rd ed.). John Wiley & Sons.

Saini, R., Kumar, M., & Singh, R. (2020). Air quality index assessment using fuzzy Mamdani inference system: A case study. Environmental Monitoring and Assessment, 192(8), 512.

Publicado
2026-06-01
Cómo citar
Bonilla Leyva , W., Calderón Nepamuceno, D. M., Delgadillo Gómez, P., & Rodríguez Paez, C. L. (2026). Uso de lógica difusa para la determinación del índice de calidad del aire en la Ciudad de México mediante inferencia Mamdani. Ciencia Latina Revista Científica Multidisciplinar, 10(3), 556-565. https://doi.org/10.37811/cl_rcm.v10i3.24035
Sección
Ciencias y Tecnologías

Artículos más leídos del mismo autor/a