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

⚠️ ATENCIÓN: RIESGO DE EPISODIO (EAT) DETECTADO

Estado medido actual: 71.9 NTU

AVISO PARA OPERARIOS: Los modelos ML detectan condiciones de alta turbidez en las próximas 24 horas.

DURACIÓN ESTIMADA DEL RIESGO: 0 HORAS

Acción recomendada: Revisar dosificación de coagulante y preparar purgas de decantadores.

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	680.045	410.691	-0.538	890.203	648.099	-1.636	0.500	0.000	0.000	0.667	0.000
Últimas 24h	Turbidez >= 500 (Crítico)	1339.029	1307.717	-20.402	1358.973	1304.984	-21.044	0.000	0.000	0.000	0.000	0.000
Últimas 24h	Turbidez <= 250 (Normal)	95.741	83.269	-0.755	610.555	387.312	-70.354	0.692	0.000	0.000	0.692	0.000
Últimas 48h	Total	481.765	213.494	-0.100	629.499	327.835	-0.878	0.750	0.000	0.000	0.857	0.000
Últimas 48h	Turbidez >= 500 (Crítico)	1339.029	1307.717	-20.402	1358.973	1304.984	-21.044	0.000	0.000	0.000	0.000	0.000
Últimas 48h	Turbidez <= 250 (Normal)	65.923	39.827	0.348	361.975	140.993	-18.671	0.892	0.000	0.000	0.892	0.000
Últimas 72h	Total	393.385	144.392	-0.005	514.008	221.062	-0.716	0.833	0.000	0.000	0.909	0.000
Últimas 72h	Turbidez >= 500 (Crítico)	1339.029	1307.717	-20.402	1358.973	1304.984	-21.044	0.000	0.000	0.000	0.000	0.000
Últimas 72h	Turbidez <= 250 (Normal)	51.570	26.592	0.427	281.964	88.478	-16.133	0.934	0.000	0.000	0.934	0.000
Últimos 3 Meses	Total	92.234	27.132	0.143	101.668	24.450	-0.042	0.989	0.824	0.596	0.997	0.691
Últimos 3 Meses	Turbidez >= 500 (Crítico)	777.977	560.904	-2.221	797.504	574.406	-2.385	0.368	1.000	0.368	0.000	0.538
Últimos 3 Meses	Turbidez <= 250 (Normal)	53.115	20.336	-0.960	54.349	16.456	-1.052	0.997	0.778	0.824	0.998	0.800
Últimos 6 Meses	Total	128.932	36.266	0.198	111.286	28.856	0.403	0.986	0.846	0.702	0.996	0.767
Últimos 6 Meses	Turbidez >= 500 (Crítico)	764.926	621.827	-2.205	646.860	469.232	-1.292	0.667	1.000	0.667	0.000	0.800
Últimos 6 Meses	Turbidez <= 250 (Normal)	47.280	19.728	-0.327	48.505	16.111	-0.397	0.997	0.778	0.808	0.999	0.792
Último Año	Total	94.546	24.652	0.813	81.969	21.452	0.859	0.993	0.961	0.913	0.998	0.936
Último Año	Turbidez >= 500 (Crítico)	399.471	202.677	0.495	336.075	155.156	0.642	0.915	1.000	0.915	0.000	0.956
Último Año	Turbidez <= 250 (Normal)	35.544	14.372	0.462	36.954	13.013	0.419	0.999	0.812	0.839	0.999	0.825

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 14:29:56, 10 September, 2026