Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático

El presente trabajo se enfoca en el análisis de muestras de agua del Río de La Plata con el fin de determinar su calidad, centrándose específicamente en la detección de presencia de cianobacterias y su concentración a través de técnicas de Inteligencia Artificial. Las cianobacterias representan una...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Nevado, Federico Horacio
Otros Autores: Cappelletti, Marcelo
Formato: info:eu-repo/semantics/other info:ar-repo/semantics/otro No informada
Lenguaje:Español
Publicado: Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía 2024
Materias:
Inteligencia Artificial
Redes Neuronales
Árboles de Decisión
KNN
Cianobacterias
Calidad del agua
Medio ambiente
Acceso en línea:https://rid.unaj.edu.ar/handle/123456789/2872
Aporte de:
Repositorio Institucional de Acceso Abierto (RID UNAJ) de Universidad Nacional Arturo Jauretche
id I76-R191-123456789-2872
record_format dspace
spelling I76-R191-123456789-28722024-08-16T19:00:34Z Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático Nevado, Federico Horacio Cappelletti, Marcelo Atía, Julissa Suárez, Gabriela Kelly, Carolina Conde, Sergio Daniel Antonini, Sergio Inteligencia Artificial Redes Neuronales Árboles de Decisión KNN Cianobacterias Calidad del agua Medio ambiente El presente trabajo se enfoca en el análisis de muestras de agua del Río de La Plata con el fin de determinar su calidad, centrándose específicamente en la detección de presencia de cianobacterias y su concentración a través de técnicas de Inteligencia Artificial. Las cianobacterias representan una particular amenaza para la salud humana, ya que pueden producir toxinas perjudiciales y, al mismo tiempo, afectan al ecosistema en general, degradando la biodiversidad. Durante el desarrollo de este trabajo se emplearon tres modelos de aprendizaje automático supervisado: Redes Neuronales Artificiales (RNA), Árboles de Decisión y el algoritmo de KNN (k-Nearest Neighbors). Cada uno de estos modelos será evaluado y comparado, utilizando diferentes métricas de efectividad de modelos de predicción, con el fin de estimar la concentración de cianobacterias de la manera más eficaz posible. Para el entrenamiento y testeo de los modelos se utilizaron datos obtenidos desde 18 puntos de recolección ubicados sobre las costas del río, desde la desembocadura de Río Luján y Punta Piedras, zona que abarca más de 170 km de costa. Los resultados obtenidos muestran una fiabilidad medio-alta en la predicción de altas concentraciones de cianobacterias en los tres modelos, siendo el modelo de Árboles de Decisión el más efectivo con un 92% de exactitud. Con este modelo se espera poder realizar predicciones tempranas que permitan obtener medidas de manera más efectiva para mitigar los efectos nocivos que las cianobacterias tienen tanto en la calidad de vida de las personas como en el medio ambiente. 2024-04-19 info:eu-repo/semantics/other info:ar-repo/semantics/otro No informada https://rid.unaj.edu.ar/handle/123456789/2872 spa info:eu-repo/semantics/openAccess info:ar-repo/semantics/accesoabierto https://creativecommons.org/licenses/by/4.0/ application/pdf Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía
institution Universidad Nacional Arturo Jauretche
institution_str I-76
repository_str R-191
collection Repositorio Institucional de Acceso Abierto (RID UNAJ)
language Español
orig_language_str_mv spa
topic Inteligencia Artificial
Redes Neuronales
Árboles de Decisión
KNN
Cianobacterias
Calidad del agua
Medio ambiente
spellingShingle Inteligencia Artificial
Redes Neuronales
Árboles de Decisión
KNN
Cianobacterias
Calidad del agua
Medio ambiente
Nevado, Federico Horacio
Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático
topic_facet Inteligencia Artificial
Redes Neuronales
Árboles de Decisión
KNN
Cianobacterias
Calidad del agua
Medio ambiente
description El presente trabajo se enfoca en el análisis de muestras de agua del Río de La Plata con el fin de determinar su calidad, centrándose específicamente en la detección de presencia de cianobacterias y su concentración a través de técnicas de Inteligencia Artificial. Las cianobacterias representan una particular amenaza para la salud humana, ya que pueden producir toxinas perjudiciales y, al mismo tiempo, afectan al ecosistema en general, degradando la biodiversidad. Durante el desarrollo de este trabajo se emplearon tres modelos de aprendizaje automático supervisado: Redes Neuronales Artificiales (RNA), Árboles de Decisión y el algoritmo de KNN (k-Nearest Neighbors). Cada uno de estos modelos será evaluado y comparado, utilizando diferentes métricas de efectividad de modelos de predicción, con el fin de estimar la concentración de cianobacterias de la manera más eficaz posible. Para el entrenamiento y testeo de los modelos se utilizaron datos obtenidos desde 18 puntos de recolección ubicados sobre las costas del río, desde la desembocadura de Río Luján y Punta Piedras, zona que abarca más de 170 km de costa. Los resultados obtenidos muestran una fiabilidad medio-alta en la predicción de altas concentraciones de cianobacterias en los tres modelos, siendo el modelo de Árboles de Decisión el más efectivo con un 92% de exactitud. Con este modelo se espera poder realizar predicciones tempranas que permitan obtener medidas de manera más efectiva para mitigar los efectos nocivos que las cianobacterias tienen tanto en la calidad de vida de las personas como en el medio ambiente.
author2 Cappelletti, Marcelo
author_facet Cappelletti, Marcelo
Nevado, Federico Horacio
format info:eu-repo/semantics/other
info:ar-repo/semantics/otro
No informada
author Nevado, Federico Horacio
author_sort Nevado, Federico Horacio
title Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático
title_short Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático
title_full Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático
title_fullStr Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático
title_full_unstemmed Análisis de calidad del agua a través de Técnicas de Aprendizaje Automático
title_sort análisis de calidad del agua a través de técnicas de aprendizaje automático
publisher Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía
publishDate 2024
url https://rid.unaj.edu.ar/handle/123456789/2872
work_keys_str_mv AT nevadofedericohoracio analisisdecalidaddelaguaatravesdetecnicasdeaprendizajeautomatico
_version_ 1830774262466609152

Ejemplares similares