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: 71.8 NTU

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

DURACIÓN ESTIMADA DEL RIESGO: 5 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	0.000	0.000	-2.789	0.000	0.000	-1.652	0.958	0.958	1.000	0.000	0.979
Últimas 24h	Turbidez >= 500 (Crítico)	505.420	461.033	0.228	962.906	793.080	-1.802	1.000	1.000	1.000	0.000	1.000
Últimas 24h	Turbidez <= 250 (Normal)	986.471	933.367	-3140.893	379.437	368.326	-463.839	1.000	1.000	1.000	0.000	1.000
Últimas 48h	Total	0.000	0.000	-0.577	0.000	0.000	-0.424	0.958	0.979	0.979	0.000	0.979
Últimas 48h	Turbidez >= 500 (Crítico)	834.319	616.711	-0.040	956.522	622.319	-0.367	1.000	1.000	1.000	0.000	1.000
Últimas 48h	Turbidez <= 250 (Normal)	986.471	933.367	-3140.893	379.437	368.326	-463.839	1.000	1.000	1.000	0.000	1.000
Últimas 72h	Total	0.000	0.000	-0.437	0.000	0.000	-0.308	0.861	0.983	0.866	0.800	0.921
Últimas 72h	Turbidez >= 500 (Crítico)	786.508	585.945	-0.045	893.879	579.797	-0.350	0.912	1.000	0.912	0.000	0.954
Últimas 72h	Turbidez <= 250 (Normal)	571.914	346.758	-220.568	281.089	253.845	-52.522	0.800	1.000	0.769	1.000	0.870
Últimos 3 Meses	Total	0.000	0.000	0.357	0.000	0.000	0.515	0.975	0.817	0.775	0.988	0.796
Últimos 3 Meses	Turbidez >= 500 (Crítico)	1107.549	834.357	-0.142	972.622	716.980	0.120	0.766	1.000	0.766	0.000	0.868
Últimos 3 Meses	Turbidez <= 250 (Normal)	96.345	35.389	-3.073	74.971	23.987	-1.466	0.990	0.615	0.800	0.993	0.696
Últimos 6 Meses	Total	0.000	0.000	0.322	0.000	0.000	0.523	0.980	0.840	0.774	0.992	0.805
Últimos 6 Meses	Turbidez >= 500 (Crítico)	962.627	744.902	-0.328	819.910	587.685	0.036	0.767	1.000	0.767	0.000	0.868
Últimos 6 Meses	Turbidez <= 250 (Normal)	73.347	27.050	-1.762	59.677	19.615	-0.828	0.994	0.674	0.795	0.996	0.729
Último Año	Total	0.000	0.000	0.643	0.000	0.000	0.747	0.990	0.930	0.898	0.996	0.913
Último Año	Turbidez >= 500 (Crítico)	616.829	335.685	0.275	524.165	266.065	0.477	0.902	1.000	0.902	0.000	0.948
Último Año	Turbidez <= 250 (Normal)	53.794	17.978	-0.310	44.662	14.415	0.097	0.997	0.679	0.818	0.998	0.742

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 12:55:40, 05 October, 2026