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: 50.6 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:

Efectividad de la Alerta: Te indica qué porcentaje de EAT reales ha logrado detectar el modelo (Sensibilidad) y cuántos de sus avisos han sido falsas alarmas (Precisión), validando la confianza operativa en las alertas de riesgo.
Precisión de la Magnitud: Mediante el MAE y el RMSE, cuantificas el error medio en NTU, permitiéndote saber si la desviación de la predicción de turbidez está dentro de los márgenes tolerables para la operación.
Detección de Degradación: Al comparar el rendimiento de las últimas 48h, 72h y 3 meses, puedes identificar si el modelo está perdiendo facultades ante nuevos escenarios climáticos y si requiere un reentreno inmediato.

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	0.000	0.000	0.409	0.000	0.000	-1.066	1.000	0.000	0.000	1.000	0.000
Últimas 24h	Turbidez <= 250 (Normal)	6.852	4.755	0.409	12.814	11.041	-1.066	1.000	0.000	0.000	1.000	0.000
Últimas 48h	Total	0.000	0.000	0.340	0.000	0.000	-0.912	1.000	0.000	0.000	1.000	0.000
Últimas 48h	Turbidez <= 250 (Normal)	7.127	5.697	0.340	12.130	9.743	-0.912	1.000	0.000	0.000	1.000	0.000
Últimas 72h	Total	0.000	0.000	0.267	0.000	0.000	-0.787	1.000	0.000	0.000	1.000	0.000
Últimas 72h	Turbidez <= 250 (Normal)	7.526	6.124	0.267	11.752	9.464	-0.787	1.000	0.000	0.000	1.000	0.000
Últimos 3 Meses	Total	0.000	0.000	0.207	0.000	0.000	0.556	0.986	0.877	0.772	0.995	0.821
Últimos 3 Meses	Turbidez >= 500 (Crítico)	769.321	645.075	-2.248	605.618	443.400	-1.013	0.768	1.000	0.768	0.000	0.869
Últimos 3 Meses	Turbidez <= 250 (Normal)	35.576	17.075	0.132	31.683	13.316	0.312	0.999	1.000	0.778	1.000	0.875
Últimos 6 Meses	Total	0.000	0.000	0.764	0.000	0.000	0.861	0.992	0.948	0.905	0.997	0.926
Últimos 6 Meses	Turbidez >= 500 (Crítico)	505.899	311.262	0.337	398.192	215.354	0.589	0.890	1.000	0.890	0.000	0.942
Últimos 6 Meses	Turbidez <= 250 (Normal)	30.400	13.557	0.531	31.365	12.451	0.500	0.999	0.857	0.857	0.999	0.857
Último Año	Total	0.000	0.000	0.882	0.000	0.000	0.926	0.996	0.976	0.954	0.999	0.965
Último Año	Turbidez >= 500 (Crítico)	336.667	163.274	0.700	268.383	121.502	0.809	0.955	1.000	0.955	0.000	0.977
Último Año	Turbidez <= 250 (Normal)	24.209	11.458	0.747	25.359	11.509	0.722	0.999	0.857	0.857	1.000	0.857

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).

“Extreme Turbidity Event Prediction & Monitoring”

BIOST3 Group & AIGÜES DE BARCELONA (ver 10-3-2026 | 7-1-2025| 18-12-2024 | 10-7-2024)

Compiled on 11:56:57, 20 July, 2026