Water quality related parameter prediction using machine learning techniques and exogenous variables

El objetivo de este proyecto fue la elaboración de modelos de predicción y la caracterización de relaciones entre variables fisicoquímicas del agua, utilizando como caso de estudio el Eje Ambiental. Se contaron con dos datasets por separado, uno donde se disponía de aproximadamente 242 muestras, y otra en la que se registraron 30 muestras con la sonda Hanna HI 9829. Para el primer caso de estudio, se procuró desarrollar modelos de predicción utilizando técnicas de Machine Learning (regresores de Random Forest y XGBoost) para predecir parametros fisicoquimicos del agua en cuatro escenarios distintos de predicción, incluyendo datos exógenos en la elaboración de los modelos como precipitación y población flotante en estaciones de TransMilenio aledañas al Eje Ambiental. Paralelamente, se procuró caracterizar correlaciones entre variables fisicoquímicas del agua y sitios de medición para los dos casos de estudio. La elaboración de modelos predictivos para el escenario 1 no fueron satisfactorios según las métricas

• Autores: Castañeda Barbosa, Juan Manuel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2020
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/48948
• Acceso en línea: http://hdl.handle.net/1992/48948
• Palabra clave: Calidad del agua; Análisis del agua; Aprendizaje automático (Inteligencia artificial); Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf