PROBABILIDAD DE EPISODIO DE ALTA TURBIDEZ LAS PROXIMAS 6, 12, 24 y 48H (MACHINE LEARNING). UTILIZANDO UN MODELO CON LA LLUVIA CAIDA (Suma de Precipitación (mm) todas estaciones Cuenca Llobregat (METEOCAT Y ECMWF)), CAUDALES Y TURBIDEZ (VER 10-3-2026):

📊 PREDICTOR PRINCIPAL

✅ SITUACIÓN NORMAL

Estado medido actual: 46.1 NTU

Predicción Próximas 24h: No se observan alertas de turbidez crítica en el horizonte predictivo.

Continuar con la operación estándar de la planta.

0.1 GRAFICO PREDICTIVO (EAT y Turbidez) EXTENDIDO

Modelos LM a 6h anteriores y a 24h anteriores, turbidez SCADA, LIMS y consenso (Turbidez consenso: realidad)

0.2 MÉTRICAS DE LOS MODELOS

Este resumen de métricas actúa como el certificado de garantía del sistema, evaluando estadísticamente la capacidad de los modelos para anticipar los EAT basándose en lo que realmente sucedió en la planta.

Es fundamental consultarlo por tres razones:

INFORME TÉCNICO DE RENDIMIENTO ML - PROYECTO AGBAR
Contexto
Modelo 24h
Modelo 6h
Clasificación EAT
Horizonte Escenario RMSE MAE NSE RMSE MAE NSE Accuracy Precisión Recall Especificidad F1
Últimas 24h Total 16.315 12.713 -52.287 3.250 2.812 -1.114 1.000 0.000 0.000 1.000 0.000
Últimas 24h Turbidez <= 250 (Normal) 16.315 12.713 -52.287 3.250 2.812 -1.114 1.000 0.000 0.000 1.000 0.000
Últimas 48h Total 16.106 12.982 0.315 12.293 8.425 0.601 1.000 0.000 0.000 1.000 0.000
Últimas 48h Turbidez <= 250 (Normal) 16.106 12.982 0.315 12.293 8.425 0.601 1.000 0.000 0.000 1.000 0.000
Últimas 72h Total 76.812 46.895 -12.259 24.684 16.232 -0.369 1.000 0.000 0.000 1.000 0.000
Últimas 72h Turbidez <= 250 (Normal) 76.812 46.895 -12.259 24.684 16.232 -0.369 1.000 0.000 0.000 1.000 0.000
Últimos 3 Meses Total 30.844 14.377 0.989 31.535 15.187 0.989 0.998 0.992 0.992 0.999 0.992
Últimos 3 Meses Turbidez >= 500 (Crítico) 75.840 52.103 0.982 58.148 35.394 0.990 0.989 1.000 0.989 0.000 0.994
Últimos 3 Meses Turbidez <= 250 (Normal) 19.654 9.129 0.859 22.722 10.334 0.811 0.999 0.714 1.000 0.999 0.833
Últimos 6 Meses Total 36.189 13.422 0.981 33.427 14.206 0.984 0.999 0.994 0.994 1.000 0.994
Últimos 6 Meses Turbidez >= 500 (Crítico) 128.345 63.698 0.955 99.057 49.704 0.973 0.992 1.000 0.992 0.000 0.996
Últimos 6 Meses Turbidez <= 250 (Normal) 16.466 8.921 0.896 19.068 9.855 0.861 0.999 0.714 1.000 0.999 0.833
Último Año Total 33.540 14.536 0.988 36.384 16.526 0.986 1.000 0.997 0.997 1.000 0.997
Último Año Turbidez >= 500 (Crítico) 113.037 67.848 0.978 112.952 64.138 0.978 0.996 1.000 0.996 0.000 0.998
Último Año Turbidez <= 250 (Normal) 17.206 9.863 0.881 19.785 11.569 0.843 1.000 0.926 1.000 1.000 0.962

1 📘 Guía de Interpretación de Métricas - Proyecto Agbar

Esta guía ayuda a interpretar la tabla de validación de los modelos de predicción de turbidez (ML1) para la toma de decisiones en planta.

El modelo es fijo y cada cierto tiempo hay que recalcularlo

2 modelos para predecir turbidez (corto plazo con datos de 6h antes, y a medio plazo con datos 24h antes) y 1 para predecir EAT.

1.1 1. Contexto y Modelos

  • Horizonte: Ventana de tiempo analizada hacia el pasado (ej. últimas 48h o el último año).
  • Escenario: * Total: Comportamiento general del modelo.
    • Turbidez >= 500 (Crítico): Cómo se porta el modelo cuando hay eventos graves EAT.
    • Turbidez <= 250 (Normal): Fiabilidad del modelo en periodos de calma.
  • Modelo 24h vs. 6h: El de 24h busca anticipación; el de 6h es más preciso con los cambios bruscos de última hora.

1.2 2. Métricas de Error (Turbidez Continua)

Miden la diferencia entre el valor real del sensor y la predicción en NTU.

Métrica Definición ¿Qué buscar?
MAE Error Medio Absoluto. Indica cuánto se desvía la predicción en unidades reales (NTU). Si el MAE es 15, el modelo falla por ±15 NTU de media.
RMSE Error Cuadrático Medio. Similar al MAE pero castiga con mucha fuerza los errores grandes. Si es mucho mayor que el MAE, el modelo ha tenido fallos puntuales graves.
NSE Eficiencia de Nash-Sutcliffe. Es la “nota” de ajuste del 0 al 1. > 0.6: Fiable. 1.0: Perfecto. < 0: No fiable (peor que usar la media).

1.3 3. Métricas de Clasificación (Alertas EAT)

Miden la capacidad del sistema para detectar eventos de Alta Turbidez (EAT).

  • Accuracy (Exactitud): Porcentaje total de aciertos (Normalidad + Alertas).
    • Nota: Si aparece en ROJO (< 0.5), el sistema está fallando más de lo que acierta.
  • Precisión: De todas las veces que el sistema avisó de una alerta, ¿cuántas fueron reales? (Evita falsas alarmas).
  • Recall (Sensibilidad): De todos los eventos reales que ocurrieron, ¿cuántos detectó el sistema? Es la métrica de SEGURIDAD.
  • Especificidad: Capacidad de identificar correctamente cuando el agua está limpia. Si es alta, el sistema es “tranquilo” y no da avisos innecesarios.
  • F1-Score: El equilibrio matemático entre Precisión y Recall. Es el mejor indicador de la salud del detector.

💡 Consejo para el Operador

  • Si el MAE sube mucho: El modelo está “ciego” a la magnitud del evento.
  • Si el Recall es bajo en eventos críticos: No confíe en la falta de alertas; vigile los sensores manuales, el modelo está ignorando riesgos reales.
  • Si la Exactitud (Accuracy) está en rojo: Ignore las predicciones de alerta y opere de forma manual hasta que se calibre el sistema.
📊 ANEXOS: OTROS RESULTADOS, DATOS Y DESCRIPTIVAS DE INTERÉS

2 GRAFICOS DESCRIPTIVOS DE LA ETAP Y SITUACIÓN METEOROLÓGICA

2.1 TURBIDEZ-CAUDAL Y EPISODIOS EAT HISTÓRICOS

2.2 EVOLUCIÓN RECIENTE TURBIDEZ (LIMS, SCADA Y BOMBAS) ETAP

La turbidez “Predicción” es un consenso de la turbidez en el caso de inexistencia de datos o en el caso de incertidumbre (paro de bombas, EAT).

2.3 MAPAS METEOROLÓGICOS DE LA CUENCA DEL LLOBREGAT Y ESTACIONES METEOCAT UTILIZADAS EN ESTE ANÁLISIS

2.4 PRECIPITACIONES ACUMULADAS EN LAS ESTACIONES METEOCAT OBSERVADAS EN LA CUENCA DEL LLOBREGAT

2.5 HISTÓRICO DE LLUVIA ACUMULADA EN ESTACIONES METEOCAT Y EPISODIOS EAT EN LA ETAP