Análisis y pronóstico del volumen de interfases en el transporte de hidrocarburos usando algoritmos de Machine Learning

Abstract

Aplicación de técnicas de Machine Learning para la caracterización y pronóstico en el volumen de las Interfases en el transporte de hidrocarburos para la empresa Cenit en el tramo Cartagena - Baranoa. Inicialmente se realiza una reducción de dimensionalidad a través feature selection aplicando modelos de regresión y clasificación con la metodología Embedded. Posteriormente, se implementa metodología SHAP que habilita el análisis de los features importantes y su impacto en el modelo de predicción. El pronóstico se aborda con un enfoque de análisis de series de tiempo a través de la implementación de modelos de Forecasting. Para finalmente plasmar los resultados del análisis descriptivo en una herramienta de visualización basada en una solución de inteligencia de negocios.