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: 83.9 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 59.571 38.106 -0.355 59.233 42.396 -0.340 1.000 0.000 0.000 1.000 0.000
Últimas 24h Turbidez <= 250 (Normal) 53.769 33.821 -0.395 54.377 38.706 -0.426 1.000 0.000 0.000 1.000 0.000
Últimas 48h Total 45.518 29.694 0.313 43.033 26.680 0.386 1.000 0.000 0.000 1.000 0.000
Últimas 48h Turbidez <= 250 (Normal) 41.457 27.418 0.317 39.327 24.540 0.385 1.000 0.000 0.000 1.000 0.000
Últimas 72h Total 46.493 35.128 0.155 35.988 21.246 0.494 1.000 0.000 0.000 1.000 0.000
Últimas 72h Turbidez <= 250 (Normal) 43.920 33.698 0.101 32.944 19.753 0.494 1.000 0.000 0.000 1.000 0.000
Últimos 3 Meses Total 35.511 16.654 0.982 37.661 15.737 0.980 0.998 0.982 0.982 0.999 0.982
Últimos 3 Meses Turbidez >= 500 (Crítico) 117.295 86.149 0.976 89.525 60.204 0.986 0.967 1.000 0.967 0.000 0.983
Últimos 3 Meses Turbidez <= 250 (Normal) 28.331 13.668 0.586 32.671 12.789 0.450 0.999 0.714 1.000 0.999 0.833
Últimos 6 Meses Total 27.590 13.230 0.985 30.811 13.022 0.981 0.999 0.992 0.992 1.000 0.992
Últimos 6 Meses Turbidez >= 500 (Crítico) 76.849 52.996 0.982 70.498 41.056 0.985 0.989 1.000 0.989 0.000 0.995
Últimos 6 Meses Turbidez <= 250 (Normal) 21.512 10.558 0.788 25.157 10.180 0.710 0.999 0.714 1.000 0.999 0.833
Último Año Total 33.963 14.563 0.987 36.560 15.809 0.985 1.000 0.996 0.996 1.000 0.996
Último Año Turbidez >= 500 (Crítico) 121.356 72.887 0.978 119.083 66.784 0.978 0.995 1.000 0.995 0.000 0.998
Último Año Turbidez <= 250 (Normal) 19.473 10.556 0.837 22.716 11.665 0.778 1.000 0.714 1.000 1.000 0.833

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