Comparación de herramientas de aprendizaje automático supervisado para la evaluación de la calidad del agua en la Franja Costera Sur del Río de la Plata

FEDERICO NEVADO; JULISSA ATIA; LUCAS OLIVERA; JÉSICA VANESA GUZMÁN; MARÍA BELÉN SATHICQ; JOAQUÍN COCHERO; MARÍA JAWORSKI; CAPPELLETTI MARCELO

San Miguel de Tucumán

Congreso; 11° Congreso Nacional de Ingeniería en Informática / Sistemas de Información (CoNaIISI 2023); 2023

Red de Informática/Sistemas de Información "RIISIC", del CONFEDI

En este trabajo se presenta una comparación entre tres sistemas de clasificación para la predicción de la concentración de cianobacterias potencialmente tóxicas presentes en el agua, a partir del conocimiento de datos físico-químicos y biológicos de muestras de agua. El estudio se realizó mediante herramientas de aprendizaje automático supervisado, a través de redes neuronales artificiales (RNA), árboles de decisión y el algoritmo de K-Vecinos más Cercanos. Los datos utilizados en este trabajo son datos obtenidos de 18 puntos de muestreo situados sobre la costa de la Franja Costera Sur del Río de la Plata, entre la desembocadura del río Luján y Punta Piedras. Para evaluar la calidad de los modelos bajo estudio fueron utilizadas matrices de confusión. Los resultados obtenidos muestran que para clasificar muestras de agua que poseen una concentración de cianobacterias superior a 3000 células/mL, los árboles de decisión son los algoritmos con los que se obtuvo mayor exactitud y recall (92% para ambas métricas). Con este modelo se espera poder predecir una posible floración de cianobacterias de manera temprana que permita tomar medidas efectivas para evitar contaminación en el suministro de agua.