Predicción de demanda de agua potable mediante aprendizaje de máquinas y análisis de series de tiempo

Abstract

El agua como recurso es vital para el ser humano y además es una principal fuente de desarrollo económico y social del planeta. Factores como el aumento de la población, aceleración del cambio climático y nulas políticas de sostenibilidad han causado que dicho recurso sea cada vez más escaso, generando periodos extensos de sequía en varios países, incluyendo Chile. Una de las industrias que se destacan en el uso de dicho recurso son los sistemas de distribución de agua, los cuales se encargan del tratamiento de aguas servidas, además de la producción y distribución de agua potable. En este sentido, es vital el uso óptimo de los recursos, minimizando factores de pérdida como roturas de las conexiones, rebalses y mala toma de decisiones. La operación reactiva de los operadores frente a escenarios inciertos causa mermas importantes de energía, recursos monetarios y de agua. En esta tesis de título se trabaja con una compañía de servicios sanitarios ubicada en la Región de Valparaíso con el objetivo de minimizar las pérdidas asociadas a la toma de decisiones diarias de los operarios del sistema. En particular, se desea disponer de herramientas predictivas para que los operarios puedan tomar mejores decisiones en el corto plazo. Se propone un sistema compuesto por un flujo que construye modelos de predicción capaces de estimar el consumo diario de agua en base al consumo histórico para las zonas más críticas consideradas por la empresa. Además, se incluye una aplicación web en donde los operarios pueden consultar sobre el consumo diario en cada zona de interés para así poder tomar decisiones de forma proactiva y, en consecuencia, una minimización de costos operacionales.