Modelos de aprendizaxe automática para a predición de concentracións de radón en interiores

Abstract

[Resumo] O radón é un gas radioactivo de orixe natural que constitúe un importante problema de saúde pública, especialmente en Galicia, onde as condicións xeolóxicas favorecen a súa acumulación en espazos interiores. A súa concentración depende de múltiples variables ambientais, como a temperatura, a humidade e a presión atmosférica, así como da súa dinámica temporal, o que fai da súa predición un problema complexo. O obxectivo deste traballo é desenvolver, avaliar e comparar modelos de aprendizaxe automática para a predición temporal da concentración de radón no interior dun edificio. Para iso, utilizouse un conxunto de datos procedente de sensores situados no Centro de Innovación Tecnolóxica en Edificación e Enxeñaría Civil (CITEEC), integrando variables ambientais interiores e exteriores sincronizadas. Tras o preprocesado e a limpeza dos datos, incluíndo técnicas de imputación temporal, realizáronse unha análise exploratoria e unha fase de enxeñaría de características, xerando variables derivadas, gradientes térmicos e de presión e compoñentes autorregresivas (lags). Para garantir unha avaliación realista, empregouse un particionado temporal estrito e un esquema de validación cruzada temporal. Implementáronse e comparáronse tres algoritmos: Regresión Lineal Múltiple, Random Forest e XGBoost. Os resultados mostran que os modelos son capaces de capturar parte da dinámica temporal da concentración de radón, cun rendemento variable segundo o algoritmo e o horizonte de predición. A comparación permite identificar o modelo e a configuración máis adecuados, destacando o potencial da aprendizaxe automática para anticipar episodios de alta concentración e apoiar a xestión da ventilación e a mitigación do risco.[Abstract] Radon is a naturally occurring radioactive gas that constitutes a major public health concern, particularly in Galicia, where geological conditions favor its accumulation indoors. Its concentration depends on multiple environmental variables, such as temperature, humidity, and atmospheric pressure, as well as on its temporal dynamics, making its prediction a complex problem. The aim of this work is to develop, evaluate, and compare machine learning models for the temporal prediction of indoor radon concentration. A dataset from sensors located at the Centre for Technological Innovation in Building and Civil Engineering (CITEEC) was used, integrating synchronized indoor and outdoor environmental variables. Following data preprocessing and cleaning, including temporal imputation techniques, exploratory analysis and feature engineering were performed, generating derived variables, thermal and pressure gradients, and autoregressive components (lags). To ensure a realistic evaluation, a strict temporal partitioning and time-series cross-validation strategy were employed. Three algorithms were implemented and compared: Multiple Linear Regression, Random Forest, and XGBoost. The results show that the models can capture part of the temporal dynamics of radon concentration, with performance varying across algorithms and prediction horizons. The comparison identifies the most suitable model and configuration, highlighting the potential of machine learning to anticipate high radon concentration episodes and support ventilation management and risk mitigation.