Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA

Autores
Cersofíos, Sofía; Morellato, Agostina
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Porrini, Federico Eduardo
Ruibal Conti, Ana Laura
Descripción
El Embalse San Roque (ESR), en Córdoba, Argentina, enfrenta un avanzado proceso de eutrofización que ha deteriorado la calidad del agua, afectando su uso recreativo, su función como fuente de agua potable y la biodiversidad del ecosistema acuático. El Instituto Nacional del Agua (INA), a través de su centro regional SCIRSA realiza un monitoreo continuo del embalse mediante la recolección de datos físicos, químicos y biológicos. Sin embargo, el análisis de esta información sigue siendo manual, lo que incrementa la carga de trabajo de los profesionales, introduce posibles errores y retrasa la toma de decisiones. Este trabajo propone el desarrollo de un modelo predictivo basado en machine learning que utilice las bases de datos del INA-SCIRSA para identificar patrones en la proliferación de cianobacterias y predecir la calidad del agua. Se evaluarán algoritmos como Redes Neuronales Perceptrón Multicapa (MLP), Random Forest y Regresión logística, para estimar variables clave, como la cantidad de cianobacterias, los niveles de clorofila y la dominancia de cianobacterias en el ecosistema. Además, se desarrollará una interfaz gráfica que facilite la visualización de los resultados, permitiendo a los profesionales acceder a la información de manera intuitiva. Este sistema busca optimizar el análisis de datos, mejorar la detección de eventos críticos y servir como una herramienta de apoyo en la toma de decisiones.
Fil: Cersofíos, Sofía. Universidad Católica de Córdoba. Facultad de Ingeniería; Argentina
Fil: Morellato, Agostina. Universidad Católica de Córdoba. Facultad de Ingeniería; Argentina
Fuente
Cersofíos, Sofía and Morellato, Agostina (2025) Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA. Universidad Católica de Córdoba [Tesis de Grado].
Materia
Procesos Innovativos
TA Ingeniería de asistencia técnica (General). Ingeniería Civil (General)
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
Repositorio
Producción Académica (UCC)
Institución
Universidad Católica de Córdoba
OAI Identificador
oai:pa.bibdigital.uccor.edu.ar:4871
Acceder
id PAUCC_66e886e4bbb6202d38a1a02445129bed
oai_identifier_str oai:pa.bibdigital.uccor.edu.ar:4871
network_acronym_str PAUCC
repository_id_str 2718
network_name_str Producción Académica (UCC)
spelling Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSACersofíos, SofíaMorellato, AgostinaProcesos InnovativosTA Ingeniería de asistencia técnica (General). Ingeniería Civil (General)El Embalse San Roque (ESR), en Córdoba, Argentina, enfrenta un avanzado proceso de eutrofización que ha deteriorado la calidad del agua, afectando su uso recreativo, su función como fuente de agua potable y la biodiversidad del ecosistema acuático. El Instituto Nacional del Agua (INA), a través de su centro regional SCIRSA realiza un monitoreo continuo del embalse mediante la recolección de datos físicos, químicos y biológicos. Sin embargo, el análisis de esta información sigue siendo manual, lo que incrementa la carga de trabajo de los profesionales, introduce posibles errores y retrasa la toma de decisiones. Este trabajo propone el desarrollo de un modelo predictivo basado en machine learning que utilice las bases de datos del INA-SCIRSA para identificar patrones en la proliferación de cianobacterias y predecir la calidad del agua. Se evaluarán algoritmos como Redes Neuronales Perceptrón Multicapa (MLP), Random Forest y Regresión logística, para estimar variables clave, como la cantidad de cianobacterias, los niveles de clorofila y la dominancia de cianobacterias en el ecosistema. Además, se desarrollará una interfaz gráfica que facilite la visualización de los resultados, permitiendo a los profesionales acceder a la información de manera intuitiva. Este sistema busca optimizar el análisis de datos, mejorar la detección de eventos críticos y servir como una herramienta de apoyo en la toma de decisiones.Fil: Cersofíos, Sofía. Universidad Católica de Córdoba. Facultad de Ingeniería; ArgentinaFil: Morellato, Agostina. Universidad Católica de Córdoba. Facultad de Ingeniería; ArgentinaPorrini, Federico EduardoRuibal Conti, Ana Laura2025-08-08info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://pa.bibdigital.ucc.edu.ar/4871/1/TF_Cersof%C3%ADos_Morellato.pdf Cersofíos, Sofía and Morellato, Agostina (2025) Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA. Universidad Católica de Córdoba [Tesis de Grado]. reponame:Producción Académica (UCC)instname:Universidad Católica de Córdobaspahttp://pa.bibdigital.ucc.edu.ar/4871/info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es2025-09-29T14:29:58Zoai:pa.bibdigital.uccor.edu.ar:4871instacron:UCCInstitucionalhttp://pa.bibdigital.uccor.edu.ar/Universidad privadaNo correspondehttp://pa.bibdigital.uccor.edu.ar/cgi/oai2bibdir@uccor.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:27182025-09-29 14:29:58.531Producción Académica (UCC) - Universidad Católica de Córdobafalse
dc.title.none.fl_str_mv Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA
title Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA
spellingShingle Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA
Cersofíos, Sofía
Procesos Innovativos
TA Ingeniería de asistencia técnica (General). Ingeniería Civil (General)
title_short Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA
title_full Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA
title_fullStr Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA
title_full_unstemmed Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA
title_sort Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA
dc.creator.none.fl_str_mv Cersofíos, Sofía
Morellato, Agostina
author Cersofíos, Sofía
author_facet Cersofíos, Sofía
Morellato, Agostina
author_role author
author2 Morellato, Agostina
author2_role author
dc.contributor.none.fl_str_mv Porrini, Federico Eduardo
Ruibal Conti, Ana Laura
dc.subject.none.fl_str_mv Procesos Innovativos
TA Ingeniería de asistencia técnica (General). Ingeniería Civil (General)
topic Procesos Innovativos
TA Ingeniería de asistencia técnica (General). Ingeniería Civil (General)
dc.description.none.fl_txt_mv El Embalse San Roque (ESR), en Córdoba, Argentina, enfrenta un avanzado proceso de eutrofización que ha deteriorado la calidad del agua, afectando su uso recreativo, su función como fuente de agua potable y la biodiversidad del ecosistema acuático. El Instituto Nacional del Agua (INA), a través de su centro regional SCIRSA realiza un monitoreo continuo del embalse mediante la recolección de datos físicos, químicos y biológicos. Sin embargo, el análisis de esta información sigue siendo manual, lo que incrementa la carga de trabajo de los profesionales, introduce posibles errores y retrasa la toma de decisiones. Este trabajo propone el desarrollo de un modelo predictivo basado en machine learning que utilice las bases de datos del INA-SCIRSA para identificar patrones en la proliferación de cianobacterias y predecir la calidad del agua. Se evaluarán algoritmos como Redes Neuronales Perceptrón Multicapa (MLP), Random Forest y Regresión logística, para estimar variables clave, como la cantidad de cianobacterias, los niveles de clorofila y la dominancia de cianobacterias en el ecosistema. Además, se desarrollará una interfaz gráfica que facilite la visualización de los resultados, permitiendo a los profesionales acceder a la información de manera intuitiva. Este sistema busca optimizar el análisis de datos, mejorar la detección de eventos críticos y servir como una herramienta de apoyo en la toma de decisiones.
Fil: Cersofíos, Sofía. Universidad Católica de Córdoba. Facultad de Ingeniería; Argentina
Fil: Morellato, Agostina. Universidad Católica de Córdoba. Facultad de Ingeniería; Argentina
description El Embalse San Roque (ESR), en Córdoba, Argentina, enfrenta un avanzado proceso de eutrofización que ha deteriorado la calidad del agua, afectando su uso recreativo, su función como fuente de agua potable y la biodiversidad del ecosistema acuático. El Instituto Nacional del Agua (INA), a través de su centro regional SCIRSA realiza un monitoreo continuo del embalse mediante la recolección de datos físicos, químicos y biológicos. Sin embargo, el análisis de esta información sigue siendo manual, lo que incrementa la carga de trabajo de los profesionales, introduce posibles errores y retrasa la toma de decisiones. Este trabajo propone el desarrollo de un modelo predictivo basado en machine learning que utilice las bases de datos del INA-SCIRSA para identificar patrones en la proliferación de cianobacterias y predecir la calidad del agua. Se evaluarán algoritmos como Redes Neuronales Perceptrón Multicapa (MLP), Random Forest y Regresión logística, para estimar variables clave, como la cantidad de cianobacterias, los niveles de clorofila y la dominancia de cianobacterias en el ecosistema. Además, se desarrollará una interfaz gráfica que facilite la visualización de los resultados, permitiendo a los profesionales acceder a la información de manera intuitiva. Este sistema busca optimizar el análisis de datos, mejorar la detección de eventos críticos y servir como una herramienta de apoyo en la toma de decisiones.
publishDate 2025
dc.date.none.fl_str_mv 2025-08-08
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://pa.bibdigital.ucc.edu.ar/4871/1/TF_Cersof%C3%ADos_Morellato.pdf
url http://pa.bibdigital.ucc.edu.ar/4871/1/TF_Cersof%C3%ADos_Morellato.pdf
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv http://pa.bibdigital.ucc.edu.ar/4871/
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv Cersofíos, Sofía and Morellato, Agostina (2025) Modelo de Machine Learning para la predicción del riesgo de Cianobacterias en el Embalse San Roque para el Instituto Nacional del Agua - SCIRSA. Universidad Católica de Córdoba [Tesis de Grado].
reponame:Producción Académica (UCC)
instname:Universidad Católica de Córdoba
reponame_str Producción Académica (UCC)
collection Producción Académica (UCC)
instname_str Universidad Católica de Córdoba
repository.name.fl_str_mv Producción Académica (UCC) - Universidad Católica de Córdoba
repository.mail.fl_str_mv bibdir@uccor.edu.ar
_version_ 1844621586437505024
score 12.559606

Publicaciones similares