Tesis Ingeniería Civil Matemática

URI permanente para esta colección

https://repositoriobibliotecas.uv.cl/handle/uvscl/16948

Examinar

Examinando Tesis Ingeniería Civil Matemática por Autor "Silva Saavedra, Carla"

Mostrando 1 - 1 de 1
  • Miniatura
    Ítem
    Desarrollo e integración de un modelo predictivo para la calidad del agua en Esval
    (Universidad de Valparaíso, 2026-01) Silva Saavedra, Carla; Bertin, Karine
    La gestión eficiente del agua potable requiere anticipar tanto la disponibilidad del recurso como la evolución de los parámetros que determinan su calidad, especialmente en contextos de creciente variabilidad climática. En este escenario, la capacidad de proyectar el comportamiento del caudal y de contaminantes relevantes constituye una herramienta clave para apoyar la toma de decisiones operativas en los sistemas de tratamiento de agua potable. El presente trabajo desarrolla una metodología predictiva basada en aprendizaje automático para la estimación y proyección del caudal y de los parámetros de calidad del agua sólidos disueltos totales (SDT), nitratos (NO−3 ) y turbiedad, utilizando información histórica y variables externas de carácter climático e hidrológico. En particular, el análisis considera registros mensuales de contaminantes disponibles para el período enero de 2021 a mayo de 2025, una serie histórica de caudal correspondiente al período enero de 2000 a mayo de 2025, y variables climáticas externas (temperatura, precipitaciones y nieve acumulada) que incluyen información histórica desde enero de 2000 y proyecciones futuras hasta junio de 2030. El estudio se realiza en la Planta de Tratamiento de Agua Potable (PTAP) San Juan, ubicada en el sector de Llolleo, comuna de San Antonio, región de Valparaíso, y se desarrolla en colaboración con la empresa sanitaria Esval, en el marco de un trabajo aplicado a un sistema real de operación. La metodología propuesta se basa en la implementación del modelo Random Forest, el cual permite capturar relaciones no lineales y dependencias temporales complejas entre las variables analizadas. Para cada variable de interés se evalúan distintas configuraciones del modelo, considerando la selección del número óptimo de variables predictoras y del número de árboles del bosque, mediante el uso de métricas de error absoluto y relativo. Asimismo, se analiza la importancia relativa de las variables seleccionadas, se generan proyecciones a horizontes de 1 y 5 años y se valida el desempeño predictivo del modelo mediante la comparación entre valores proyectados y observados. Los resultados obtenidos muestran que el modelo Random Forest es capaz de representar adecuadamente la dinámica temporal del caudal y de los contaminantes analizados, entregando proyecciones coherentes con el comportamiento histórico del sistema y niveles de error aceptables en los períodos de validación. En conjunto, este trabajo aporta una base metodológica replicable que puede ser extendida a otras plantas de tratamiento y utilizada como apoyo en la gestión preventiva y operativa de la calidad del agua potable.