Identificación de Factores que mayormente inciden en la proliferación de cianobacterias en el embalse Porce II

Abstract

A nivel mundial el florecimiento de cianobacterias es una problemática que amenaza de manera preocupante los diferentes ecosistemas acuáticos, en Colombia, más específicamente en el nordeste del departamento de Antioquia existen varios embalses en operación a cargo de la Empresa de Servicios Públicos de Medellín y en al menos el 60% de estos se han presentado proliferación de cianobacterias representando un riesgo potencial en la comunidad y el entorno.El desarrollo de este proyecto se centrará en la identificación de los factores que mayormente inciden en el florecimiento de cianobacterias en el agua de la represa Porce II de acuerdo a los niveles de Ficocianina, adicionalmente predecir los niveles de concentración de la Ficocianina en un periodo determinado para definir 3 clases de riesgo: bajo, medio y alto y de esta manera lograr intervenciones en la comunidad en periodos de alerta disminuyendo la exposición a riesgos biológicos al estar en contacto con el agua del embalse.Para abordar los anteriores retos se definición como variable objetivo la concentración de niveles de Ficociniana, las mediciones de esta variable se realizan al interior del embalse cada hora por equipos especializados en controlar las floraciones de cianobacterias en cuerpos de agua de fabricación holandesa, la medición es registrada en rango oscila ug/L (microgramos por litro) y su rango oscila entre 0 y 200 ug/L.Dando respuesta a las dos preguntas de negocio planteadas de emplearon los siguientes enfoques:Series de tiempo: al implementar series de tiempo predecimos la concentración de los niveles de Ficocianina en un horizonte inmediato, a partir de la predicción de los niveles de concentración se identifican 3 niveles de riesgo a los cuales se exponen los usuarios del embalse, sirviendo como sistema de alerta temprana asegurando la intervención en la comunidad.Clasificación y Regresión: al implementar técnicas de Machine Learning de regresión y clasificación se desarrollaron diferentes modelos en un diseño de experimentos, de los mejores modelos resultantes se extrajeron las variables que mayor impactan en la concentración de Ficocianina empleando técnicas de permutación de importancia y Shap Values.De esta manera se da respuesta a los interrogantes planteados por el cliente llevando a feliz término el proyecto, se dejan planteadas las bases para continuar desarrollando modelos más prolijos que permitan realizar predicciones en tiempo real en su fase de implementación, además de servir como soporte para la toma de decisiones en el sistema de alerta temprana diseñado por EPM.