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: 70.7 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	151.799	103.548	-0.556	164.900	107.598	-0.837	0.833	0.000	0.000	0.952	0.000
Últimas 24h	Turbidez >= 500 (Crítico)	368.879	345.507	-372.158	396.086	395.656	-429.233	0.000	0.000	0.000	0.000	0.000
Últimas 24h	Turbidez <= 250 (Normal)	74.113	61.484	-Inf	35.659	32.027	-Inf	0.923	0.000	0.000	0.923	0.000
Últimas 48h	Total	115.827	73.770	0.275	119.624	69.068	0.226	0.833	0.000	0.000	0.889	0.000
Últimas 48h	Turbidez >= 500 (Crítico)	368.879	345.507	-372.158	396.086	395.656	-429.233	0.000	0.000	0.000	0.000	0.000
Últimas 48h	Turbidez <= 250 (Normal)	66.238	50.138	0.383	37.054	31.062	0.807	0.865	0.000	0.000	0.865	0.000
Últimas 72h	Total	95.792	54.381	0.468	98.682	52.728	0.435	0.889	0.000	0.000	0.928	0.000
Últimas 72h	Turbidez >= 500 (Crítico)	368.879	345.507	-372.158	396.086	395.656	-429.233	0.000	0.000	0.000	0.000	0.000
Últimas 72h	Turbidez <= 250 (Normal)	54.178	36.551	0.555	32.661	26.727	0.838	0.918	0.000	0.000	0.918	0.000
Últimos 3 Meses	Total	95.377	29.960	0.158	101.541	26.191	0.045	0.985	0.718	0.560	0.995	0.629
Últimos 3 Meses	Turbidez >= 500 (Crítico)	734.810	530.125	-2.183	735.166	537.727	-2.186	0.318	1.000	0.318	0.000	0.483
Últimos 3 Meses	Turbidez <= 250 (Normal)	56.991	22.608	-0.911	56.580	17.568	-0.884	0.994	0.609	0.824	0.996	0.700
Últimos 6 Meses	Total	129.364	36.952	0.197	110.264	28.856	0.417	0.986	0.825	0.697	0.995	0.756
Últimos 6 Meses	Turbidez >= 500 (Crítico)	761.121	617.285	-2.201	639.348	466.204	-1.259	0.659	1.000	0.659	0.000	0.795
Últimos 6 Meses	Turbidez <= 250 (Normal)	48.631	20.421	-0.458	48.489	16.057	-0.450	0.997	0.700	0.808	0.998	0.750
Último Año	Total	95.310	25.282	0.802	81.743	21.591	0.854	0.992	0.949	0.904	0.997	0.926
Último Año	Turbidez >= 500 (Crítico)	408.795	211.864	0.473	341.454	161.179	0.632	0.903	1.000	0.903	0.000	0.949
Último Año	Turbidez <= 250 (Normal)	37.071	14.980	0.366	37.560	13.124	0.349	0.998	0.703	0.839	0.999	0.765

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 10:03:54, 18 September, 2026