APRENDIZAJE AUTOMÁTICO PARA LA PREDICCIÓN DE CALIDAD DE AGUA POTABLE

La conservación y cuidado del agua es uno de los problemas medioambientales más importantes en la actualidad. La calidad de agua hace referencia a los valores apropiados de los parámetros fisicoquímicos y/o biológicos del agua para un uso específico y su monitoreo proporciona información útil para ser procesada por herramientas de aprendizaje automático con fines predictivos. Este documento tiene como objetivo presentar una revisión de las técnicas de aprendizaje automático utilizadas en la estimación de la calidad de agua. Los trabajos investigativos muestran que las redes neuronales (RN), sistemas de inferencia neuro difusa (ANFIS), y las máquinas de vectores de soporte (MVS) son las técnicas predictivas más utilizadas, los resultados obtenidos en las medidas de exactitud evidencian la viabilidad de estimar la calidad de agua en ríos, cuencas, lagos entre otros. Estudios comparativos plantean nuevas estrategias para mejorar la exactitud de las predicciones, la cual integra las propiedades de dos o más técnicas para formar modelos híbridos, su implementación con diferentes algoritmos y metodologías puede ser extensa y se perfila como un escenario futuro a desarrollar.