Prueba

Aplicación de modelos de redes neuronales
artificiales en la predicción de índices de calidad de
agua en el Río Tunjuelito – Bogotá D.C.
John Chavarro1, Wilson Patiño1
1. Clase de Seminario II, Maestría en Hidrosistemas, Facultad de Ingeniería Pontificia Universidad Javeriana, Bogotá
B.C.
john.chavarro@javeriana.edu.co
patinow@javeriana.edu.co

Resumen: En la búsqueda de la gestiónóptima del abastecimiento de agua y la recuperación ambiental de
cuerpos de agua superficiales han aumentado la necesidad de nuevas técnicas de modelación que puedan
proporcionar una representación confiable, eficiente y precisa de la dinámica no lineal de la calidad del agua
en los sistemas de distribución de agua. Dado que las redes neuronales artificiales (RNA) han sido
ampliamente aplicadas a laaproximación de funciones de transferencia no lineal, en este trabajo se presenta
un desarrollo de redes de perceptrón multicapa para estimar los índices de calidad del agua (DBO, OD) en el
Río Tunjuelito localizado al costado suroccidental de la Ciudad de Bogotá. En este articulo, se utilizo la
información y datos de la calidad del agua en el Río Tunjuelito que incluye cinco parámetrosquincenales
registrados en un periodo de dos años en cada una de las diez estaciones de monitoreo, para el cálculo de la
demanda biológica de oxígeno (DBO) y de oxígeno disuelto (OD) como índices que afectan a la calidad del
agua. Para la etapa de entrenamiento de las RNA se tomaron un conjunto de datos seleccionados
aleatoriamente, los cuales representan el 80% de la base de datos original, paralas etapas de validación y
comprobación se utilizaron de la misma manera el 10% para cada etapa. El desempeño del modelo fue
evaluado por criterios estadísticos que incluyen el coeficiente de correlación (r), raíz del error cuadrático
medio (RMSE) y el error medio absoluto (MAE). En la estructura óptima del coeficiente de correlación para
la etapa de entrenamiento de la red neural para la DBO yOD son 0.964 y 0.933 respectivamente, también la
raíz del error cuadrado medio son 30.94 y 1.43, respectivamente. Los resultados muestran un gran potencial
de la RNA para simular las variables de calidad del agua.
Palabras clave: Redes Neuronales Artificiales; Predicción; Índice de Calidad del Agua, DBO.
1. Introducción
El crecimiento de la población y el desarrollo
industrial de la Ciudadde Bogotá han generado
focos de contaminación en la mayor parte de los
cuerpos de agua superficial durante la última
década debido al incremento en la demanda del
recurso hídrico y vertimientos de aguas residuales.
Solo en las cabeceras de los ríos escapan de esta
grave situación. Este modelo general de
contaminación puede ejemplificarse tomando el eje
del rio Tunjuelito, donde la DBO5alcanza valores
medios cercanos a 68 (mg O2/L), DQO total de 207
(mg O2/L), Oxígeno Disuelto de 2.01 (mg O2/L),
concentraciones de Nitrógeno Total de 20.84 (mg
N/L), y conductividades del orden de 402 µS/cm,
con sólidos suspendidos totales de 294 (mg SST.L1), los coliformes totales suben a 468 millones en
promedio, con picos de hasta 24000 millones
(NMP.100 m/L) en la desembocadura al RíoBogotá, donde hay una importante industria de
curtimbres, los caudales oscilan de 2.80 a 6.80 en

promedio. Para prevenir esta tendencia no deseada,
el control de la contaminación del agua se ha
convertido en una herramienta muy importante para
mantener la sostenibilidad del recurso hídrico. Los
parámetros de contaminación de los ríos exhiben
diferentes propiedades (Wu et al, 2009;.. Sahoo etal, 2006). En general, la contaminación orgánica en
un sistema acuático se mide y se expresa en
términos de la demanda bioquímica de oxígeno
(DBO) y reducción del nivel de oxígeno disuelto
(OD). La DBO mide una cantidad aproximada de
bio-degradables de materia orgánica presente en el
agua y es un parámetro muy importante para el
desarrollo de estrategias de manejo para la
protección de...