Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático
En este trabajo se construyeron modelos de predicción de coliformes fecales (CF) para su aplicación en la gestión de calidad de agua de playas recreativas de Montevideo. Se analizó la base de datos histórica del monitoreo de CF en playas realizado por el Laboratorio de Calidad Ambiental de la Intend...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | , , , , , , , , |
| Format: | article |
| Sprache: | Spanisch |
| Veröffentlicht: |
2021
|
| Schlagworte: | |
| Online-Zugang: | https://hdl.handle.net/20.500.12008/39075 |
| Tags: |
Keine Tags, Fügen Sie das erste Tag hinzu!
|
| _version_ | 1868890218163077120 |
|---|---|
| author | Segura, Ángel M. |
| author2 | Sampognaro Charquero, Lía López, Guzmán Crisci, Carolina Bourel, Mathias Vidal Madalena, Victoria Mariel Eirín, Karina Piccini, Claudia Kruk, Carla Perera, Gonzalo |
| author2_role | author author author author author author author author author |
| author_browse | Bourel, Mathias Crisci, Carolina Eirín, Karina Kruk, Carla López, Guzmán Perera, Gonzalo Piccini, Claudia Sampognaro Charquero, Lía Segura, Ángel M. Vidal Madalena, Victoria Mariel |
| author_facet | Segura, Ángel M. Sampognaro Charquero, Lía López, Guzmán Crisci, Carolina Bourel, Mathias Vidal Madalena, Victoria Mariel Eirín, Karina Piccini, Claudia Kruk, Carla Perera, Gonzalo |
| author_role | author |
| collection | COLIBRI |
| dc.contributor.none.fl_str_mv | Segura Ángel M., Universidad de la República (Uruguay). CURE. Sampognaro Charquero Lía, Universidad de la República (Uruguay). CURE. López Guzmán, Universidad de la República (Uruguay). CURE. Crisci Carolina, Universidad de la República (Uruguay). CURE. Bourel Mathias, Universidad de la República (Uruguay). Facultad de Ingeniería. Vidal Madalena Victoria Mariel, Universidad de la República (Uruguay). CURE. Eirín Karina, Universidad de la República (Uruguay). CURE. Piccini Claudia, IIBCE Kruk Carla, Universidad de la República (Uruguay). Facultad de Ciencias. Instituto de Ecología y Ciencias Ambientales. DINARA Perera Gonzalo, Universidad de la República (Uruguay). CURE. |
| dc.creator.none.fl_str_mv | Segura, Ángel M. Sampognaro Charquero, Lía López, Guzmán Crisci, Carolina Bourel, Mathias Vidal Madalena, Victoria Mariel Eirín, Karina Piccini, Claudia Kruk, Carla Perera, Gonzalo |
| dc.date.none.fl_str_mv | 2021 2023-08-08T12:11:32Z 2023-08-08T12:11:32Z |
| dc.format.none.fl_str_mv | 27 h application/pdf |
| dc.identifier.none.fl_str_mv | Segura, Á, Sampognaro Charquero, L, López, G, [y otros auores]. "Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático". INNOTEC. [en línea] 2021 22: e555. 27 h. DOI: 10.26461/22.07 1688-6593 https://hdl.handle.net/20.500.12008/39075 10.26461/22.07 |
| dc.language.none.fl_str_mv | es spa |
| dc.publisher.none.fl_str_mv | LATU |
| dc.relation.none.fl_str_mv | INNOTEC, 2021, 22: e555 |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess Licencia Creative Commons Atribución - No Comercial (CC - By-NC 4.0) |
| dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
| dc.subject.none.fl_str_mv | Bosques aleatorios Datos desbalanceados Contaminación Playas recreativas Salud humana |
| dc.title.none.fl_str_mv | Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático Water quality prediction using machine learning algorithms in recreational beaches from Montevideo, Uruguay |
| dc.type.none.fl_str_mv | Artículo info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
| description | En este trabajo se construyeron modelos de predicción de coliformes fecales (CF) para su aplicación en la gestión de calidad de agua de playas recreativas de Montevideo. Se analizó la base de datos histórica del monitoreo de CF en playas realizado por el Laboratorio de Calidad Ambiental de la Intendencia de Montevideo (IM), y se generaron modelos basados en Aprendizaje Automático (AA) para predecir excesos (CF > 2.000). Los datos abarcan 10 años de monitoreo en 21 playas de la capital (N=19359, noviembre 2009 a septiembre 2019), y presentan un amplio rango de salinidad y turbidez, con marcadas diferencias entre playas. Los CF presentaron una distribución asimétrica (mínima=4, mediana=250, media=1.047 y máxima=1.280.000) con excesos a la normativa en todas las playas. Las variables registradas in situ, meteorológicas y oceanográficas, fueron utilizadas para entrenar modelos de AA. El mejor modelo fue un bosque aleatorio estratificado con un porcentaje de acierto para los excesos del 86%. La predicción de excesos mejoró un 60% respecto al criterio actual de cierre de playas las 24 horas posteriores a precipitaciones. La generación de datos de calidad por parte de la Intendencia de Montevideo, junto con estrategias de modelización inteligente, resultan un insumo relevante para la gestión de playas recreativas. |
| eu_rights_str_mv | openAccess |
| format | article |
| id | anni_e4e80f309a3eb5edcd039e3f4c42b3e9 |
| identifier_str_mv | Segura, Á, Sampognaro Charquero, L, López, G, [y otros auores]. "Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático". INNOTEC. [en línea] 2021 22: e555. 27 h. DOI: 10.26461/22.07 1688-6593 10.26461/22.07 |
| instacron_str | Universidad de la República |
| institution | Universidad de la República |
| instname_str | Universidad de la República |
| language | spa |
| language_invalid_str_mv | es |
| network_acronym_str | anni |
| network_name_str | oai-lr-anni |
| oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/39075 |
| publishDate | 2021 |
| publishDateSort | 2021 |
| publisher.none.fl_str_mv | LATU |
| reponame_str | COLIBRI |
| repository.mail.fl_str_mv | |
| repository.name.fl_str_mv | |
| repository_id_str | |
| rights_invalid_str_mv | Licencia Creative Commons Atribución - No Comercial (CC - By-NC 4.0) |
| spelling | Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automáticoWater quality prediction using machine learning algorithms in recreational beaches from Montevideo, UruguaySegura, Ángel M.Sampognaro Charquero, LíaLópez, GuzmánCrisci, CarolinaBourel, MathiasVidal Madalena, Victoria MarielEirín, KarinaPiccini, ClaudiaKruk, CarlaPerera, GonzaloBosques aleatoriosDatos desbalanceadosContaminaciónPlayas recreativasSalud humanaEn este trabajo se construyeron modelos de predicción de coliformes fecales (CF) para su aplicación en la gestión de calidad de agua de playas recreativas de Montevideo. Se analizó la base de datos histórica del monitoreo de CF en playas realizado por el Laboratorio de Calidad Ambiental de la Intendencia de Montevideo (IM), y se generaron modelos basados en Aprendizaje Automático (AA) para predecir excesos (CF > 2.000). Los datos abarcan 10 años de monitoreo en 21 playas de la capital (N=19359, noviembre 2009 a septiembre 2019), y presentan un amplio rango de salinidad y turbidez, con marcadas diferencias entre playas. Los CF presentaron una distribución asimétrica (mínima=4, mediana=250, media=1.047 y máxima=1.280.000) con excesos a la normativa en todas las playas. Las variables registradas in situ, meteorológicas y oceanográficas, fueron utilizadas para entrenar modelos de AA. El mejor modelo fue un bosque aleatorio estratificado con un porcentaje de acierto para los excesos del 86%. La predicción de excesos mejoró un 60% respecto al criterio actual de cierre de playas las 24 horas posteriores a precipitaciones. La generación de datos de calidad por parte de la Intendencia de Montevideo, junto con estrategias de modelización inteligente, resultan un insumo relevante para la gestión de playas recreativas.We constructed Machine Learning (ML) models to predict faecal coliforms (FC) for water quality aid management in recreational beaches. Historical data base generated by the Laboratorio de Calidad Ambiental de la Intendencia de Montevideo (IM) was analyzed and ML models were constructed to predict FC excess (FC > 2.000). Ten years of monitoring 21 recreational beaches (N=19359, November 2009 to September 2019) presented a wide range of salinity and turbidity variability among beaches. FC showed an asymmetric distribution (min=4, median=250, average=1.047 and max=1.280.000) with values exceeding the threshold in all beaches. In situ registered, meteorological and oceanographic variables were used to train ML models. A stratified Random forests showed the best performance in the evaluated metrics with an overall accuracy of 86% and 60% of improvement in true positive rates with respect to baseline. High quality data generated by governmental institution together with modelling strategies provided a relevant framework to aid in beach and public health management.LATUSegura Ángel M., Universidad de la República (Uruguay). CURE.Sampognaro Charquero Lía, Universidad de la República (Uruguay). CURE.López Guzmán, Universidad de la República (Uruguay). CURE.Crisci Carolina, Universidad de la República (Uruguay). CURE.Bourel Mathias, Universidad de la República (Uruguay). Facultad de Ingeniería.Vidal Madalena Victoria Mariel, Universidad de la República (Uruguay). CURE.Eirín Karina, Universidad de la República (Uruguay). CURE.Piccini Claudia, IIBCEKruk Carla, Universidad de la República (Uruguay). Facultad de Ciencias. Instituto de Ecología y Ciencias Ambientales. DINARAPerera Gonzalo, Universidad de la República (Uruguay). CURE.2023-08-08T12:11:32Z2023-08-08T12:11:32Z2021Artículoinfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersion27 happlication/pdfSegura, Á, Sampognaro Charquero, L, López, G, [y otros auores]. "Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático". INNOTEC. [en línea] 2021 22: e555. 27 h. DOI: 10.26461/22.071688-6593https://hdl.handle.net/20.500.12008/3907510.26461/22.07reponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaesspaINNOTEC, 2021, 22: e555Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución - No Comercial (CC - By-NC 4.0)oai:colibri.udelar.edu.uy:20.500.12008/390752026-04-14T10:10:11Z |
| spellingShingle | Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático Segura, Ángel M. Bosques aleatorios Datos desbalanceados Contaminación Playas recreativas Salud humana |
| status_str | publishedVersion |
| title | Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático |
| title_full | Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático |
| title_fullStr | Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático |
| title_full_unstemmed | Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático |
| title_short | Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático |
| title_sort | Monitoreo de calidad de agua y predicción de coliformes fecales en playas de Montevideo mediante algoritmos de aprendizaje automático |
| topic | Bosques aleatorios Datos desbalanceados Contaminación Playas recreativas Salud humana |
| url | https://hdl.handle.net/20.500.12008/39075 |