Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Artículo científico |
| Lenguaje: | es |
| Publicado: |
Laboratorio Tecnológico del Uruguay
2021
|
| Materias: | |
| Acceso en línea: | https://www.redalyc.org/articulo.oa?id=606166107009 https://www.redalyc.org/journal/6061/606166107009/ https://www.redalyc.org/journal/6061/606166107009/html/ https://www.redalyc.org/journal/6061/606166107009/606166107009.epub https://www.redalyc.org/journal/6061/606166107009/movil https://doi.org/10.26461/22.07 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Tabla de Contenidos:
- Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático Ángel Segura Lía Sampognaro Guzmán López Carolina Crisci Mathías Bourel Victoria Vidal Karina Eirin Claudia Piccini Carla Kruk Gonzalo Perera Química salud humana contaminación Bosques aleatorios playas recreativas datos desbalanceados En este trabajo se construyeron modelos de predicción de coliformes fecales (CF) para su aplicación en la gestión de calidad de agua de playas recreativas de Montevideo. Se analizó la base de datos histórica del monitoreo de CF en playas realizado por el Laboratorio de Calidad Ambiental de la Intendencia de Montevideo (IM), y se generaron modelos basados en Aprendizaje Automático (AA) para predecir excesos (CF > 2.000). Los datos abarcan 10 años de monitoreo en 21 playas de la capital (N=19359, noviembre 2009 a septiembre 2019), y presentan un amplio rango de salinidad y turbidez, con marcadas diferencias entre playas. Los CF presentaron una distribución asimétrica (mínima=4, mediana=250, media=1.047 y máxima=1.280.000) con excesos a la normativa en todas las playas. Las variables registradas in situ, meteorológicas y oceanográficas, fueron utilizadas para entrenar modelos de AA. El mejor modelo fue un bosque aleatorio estratificado con un porcentaje de acierto para los excesos del 86%. La predicción de excesos mejoró un 60% respecto al criterio actual de cierre de playas las 24 horas posteriores a precipitaciones. La generación de datos de calidad por parte de la Intendencia de Montevideo, junto con estrategias de modelización inteligente, resultan un insumo relevante para la gestión de playas recreativas. 2021 artículo científico 1688-3691 https://www.redalyc.org/articulo.oa?id=606166107009 https://www.redalyc.org/journal/6061/606166107009/ https://www.redalyc.org/journal/6061/606166107009/html/ https://www.redalyc.org/journal/6061/606166107009/606166107009.epub https://www.redalyc.org/journal/6061/606166107009/movil https://doi.org/10.26461/22.07 es http://www.redalyc.org/revista.oa?id=6061 INNOTEC application/pdf Laboratorio Tecnológico del Uruguay INNOTEC (Uruguay) Num.22