Resumen. La prevención de enfermedades respiratorias causadas por los altos índices de contaminación ambiental, es un tema de importante discusión en las grandes ciudades, donde la industrialización y la sobrepoblación causan un incremento de partículas alergénicas que agravan el padecimiento de rinitis alérgica y asma, sobre todo en la comunidad infantil. El problema radica en la desinformación de la población acerca de la calidad del aire y las medidas preventivas a tomar en cuenta para evitar un deterioro en la salud. En este artículo, se presentan datos monitoreados por una red de sensores que registran cinco de los principales alérgenos para diferentes zonas de la ciudad de León, Guanajuato. Una red neuronal artificial (RNA) con un entrenamiento supervisado de tipo Backpropagation, es empleada para la predicción de datos futuros hasta alcanzar un error mínimo. Posteriormente, se emiten recomendaciones previamente avaladas, con base a los resultados arrojados por la red neuronal. La metodología propuesta genera resultados eficientes, medidos en el error de las soluciones y en tiempo de ejecución.Palabras clave: redes de sensores, red neuronal artificial, entrenamiento backpropagation, predicción de datos climáticos.

En la actualidad existen varias ciudades afectadas con altos índices de contaminación, debido a varias cosas entre ellas, el crecimiento vehicular, empresas que arrojan contaminantes a la intemperie debido a sus procesos industriales, basura e incendios forestales, entre otras. En este artículo se presenta la propuesta de un sistema en tiempo real que puede estar monitoreando variables ambientales en varios puntos de la ciudad y hacer una predicción del comportamiento de dichas variables. Los datos provienen de datos proporcionados por el Sistema Estatal de Información de Calidad del Aire (SEICA) en el estado de Guanajuato. Se aplican técnicas de rellenado de datos para completar los valores perdidos, se realiza el etiquetado de la calidad del aire de acuerdo al semáforo proporcionado por el SEICA y, se realiza una transformación a la base de datos para el entrenamiento de la red neuronal que se utiliza para la predicción de la calidad del aire. Los datos adquiridos se normalizan, se agrupan, y con ellos se estructuran los componentes de predicción, y se hace también el análisis estadístico y de estructura.