Alrededor del proceso de urbanización, existe una compleja problemática asociada a la contaminación ambiental y el cambio climático. A nivel mundial, la contaminación del aire ha causado afecciones de salud e incluso la muerte de miles de personas anuales, por lo cual la OMS ha indicado directrices de control. El problema se aborda actualmente bajo el marco conceptual de la sustentabilidad y la resiliencia, pues es imprescindible trazar estrategias efectivas de mitigación y adaptación. En este

more »

... entido, modelar eficazmente el fenómeno de los contaminantes atmosféricos constituye una valiosa herramienta. Sin embargo, como dichos procesos son altamente no lineales y multifactoriales, resultan inapropiados los procedimientos que emplean ecuaciones diferenciales, puesto que estas conducen a soluciones poco realistas, lo cual implica aplicar técnicas avanzadas, fundamentalmente soportadas en la Inteligencia Artificial (IA). Los modelos desarrollados con técnicas de IA, en especial con Redes Neuronales Artificiales (RNAs): Perceptrón Multi Capa (MLP), Perceptrón Multi Capa Cuadrática (SMLP), Redes de Base Radial (RBF), Redes Elman, posibilitan predicciones rápidas, precisas y un ajuste con pequeños márgenes de error. El objetivo del presente artículo es desarrollar una revisión bibliográfica sobre los métodos de IA utilizados para predecir el estado de la contaminación atmosférica, técnicas validadas en: partículas menores de 2.5 y 10 micras (PM 2.5 y PM 10 ), concentración de ozono, óxidos de nitrógeno (NO x ), dióxido de nitrógeno (NO 2 ), permitiendo notificar alertas sobre la salud pública, gestionar mejor las políticas asociadas al cambio climático y la resiliencia urbana, el control de episodios críticos y la predicción de patrones de emisión. Palabras clave: Contaminantes atmosféricos, resiliencia, cambio climático, Inteligencia Artificial.