Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA
El Embalse San Roque (ESR), en Córdoba, Argentina, enfrenta un avanzado proceso de eutrofización que ha deteriorado la calidad del agua, afectando su uso recreativo, su función como fuente de agua potable y la biodiversidad del ecosistema acuático. El Instituto Nacional del Agua (INA), a través de s...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de grado acceptedVersion |
| Lenguaje: | Español |
| Publicado: |
2025
|
| Materias: | |
| Acceso en línea: | http://pa.bibdigital.ucc.edu.ar/4871/1/TF_Cersof%C3%ADos_Morellato.pdf |
| Aporte de: |
| Sumario: | El Embalse San Roque (ESR), en Córdoba, Argentina, enfrenta un avanzado proceso de eutrofización que ha deteriorado la calidad del agua, afectando su uso recreativo, su función como fuente de agua potable y la biodiversidad del ecosistema acuático. El Instituto Nacional del Agua (INA), a través de su centro regional SCIRSA realiza un monitoreo continuo del embalse mediante la recolección de datos físicos, químicos y biológicos. Sin embargo, el análisis de esta información sigue siendo manual, lo que incrementa la carga de trabajo de los profesionales, introduce posibles errores y retrasa la toma de decisiones. Este trabajo propone el desarrollo de un modelo predictivo basado en machine learning que utilice las bases de datos del INA-SCIRSA para identificar patrones en la proliferación de cianobacterias y predecir la calidad del agua. Se evaluarán algoritmos como Redes Neuronales Perceptrón Multicapa (MLP), Random Forest y Regresión logística, para estimar variables clave, como la cantidad de cianobacterias, los niveles de clorofila y la dominancia de cianobacterias en el ecosistema. Además, se desarrollará una interfaz gráfica que facilite la visualización de los resultados, permitiendo a los profesionales acceder a la información de manera intuitiva. Este sistema busca optimizar el análisis de datos, mejorar la detección de eventos críticos y servir como una herramienta de apoyo en la toma de decisiones. |
|---|