Modelos geoestadísticos para la predicción de fallos de una zona de la red de abastecimiento de agua de Bogotá, integrando algoritmos de Machine Learning (Geostatistical Models for the Prediction of Water Supply Network Failures in Bogotá, Integrating Machine Learning Algorithms)

8 Pages Posted: 31 Jan 2018

See all articles by Claudia Navarrete-López

Claudia Navarrete-López

University of Santo Tomas - Faculty of Environmental Engineering

D. S. Calderón Rivera

University of Santo Tomas - Faculty of Environmental Engineering

José Luis Díaz Arévalo

University of Santo Tomas

M. Herrera

University of Bath

Joaquín Izquierdo

Universidad Politécnica de Valencia

Date Written: November 30, 2017

Abstract

Spanish Abstract: Actualmente se buscan nuevas estrategias y/o metodologías basadas en la integración de los Sistemas de Información Geográfica (SIGs) como forma de georeferenciacion espacial y visualización de las variables analizadas, junto con métodos de aprendizaje automático (Machine Learning) que permitan entender características puntuales, variables influyentes y dinámicas de los sistemas de abastecimiento de agua potable.En este trabajo se hace la identificación espacial de los fallos y zonas potenciales de riesgo que se presentan en una zona de la red de abastecimiento de Bogotá, explorando las variables que puedan tener mayor incidencia en los mismos. Se propone el uso de algoritmos de aprendizaje automático para la generación de modelos de predicción y la elaboración de mapas de fallos potenciales, identificando, a través de un análisis de sensibilidad, cuál de estos modelos presenta un mejor ajuste en la estimación. Este estudio permite a los gestores del abastecimiento una localización precisa y eficiente de los fallos en la red, apoyando el proceso de toma de decisiones.

English Abstract: Currently new strategies of spatial referencing, data analysis, and machine learning methods are integrated with Geographical Information Systems (GISs) to understand specific characteristics and water supply dynamics. This work explores the variables that can cause spacial failures and potential risk areas with application to a zone in the Bogotá water supply network. Machine learning algorithms are proposed to generate prediction models and potential failure maps. A sensitivity analysis was held to identify the model with the best fit for the estimation. This study will allow water supply decisions makers to focalize their efforts in the field.

Note: Downloadable document is in Spanish.

Keywords: Water Supply Network Failures, Machine Learning, GIS

Suggested Citation

Navarrete-López, Claudia and Calderón Rivera, D. S. and Díaz Arévalo, José Luis and Herrera, M. and Izquierdo, Joaquín, Modelos geoestadísticos para la predicción de fallos de una zona de la red de abastecimiento de agua de Bogotá, integrando algoritmos de Machine Learning (Geostatistical Models for the Prediction of Water Supply Network Failures in Bogotá, Integrating Machine Learning Algorithms) (November 30, 2017). Ibero-American Seminar on Water and Drainage Networks (SEREA 2017). Available at SSRN: https://ssrn.com/abstract=3113048 or http://dx.doi.org/10.2139/ssrn.3113048

Claudia Navarrete-López (Contact Author)

University of Santo Tomas - Faculty of Environmental Engineering ( email )

Sede Principal, Carrera 9 N.° 51-11
Bogotá
Colombia

D. S. Calderón Rivera

University of Santo Tomas - Faculty of Environmental Engineering ( email )

Sede Principal, Carrera 9 N.° 51-11
Bogotá
Colombia

José Luis Díaz Arévalo

University of Santo Tomas ( email )

Carrera 9 calle 73
España Manila, CO Bogota 1015
Philippines

M. Herrera

University of Bath ( email )

Claverton Down
Bath, BA2 7AY
United Kingdom

Joaquín Izquierdo

Universidad Politécnica de Valencia ( email )

Valencia
Spain

Register to save articles to
your library

Register

Paper statistics

Downloads
112
Abstract Views
389
rank
243,721
PlumX Metrics