Modelos de machine learning para el análisis de calidad del agua y su contribución para la agricultura

El presente trabajo aplica modelos de machine learning para analizar los parámetros que influyen en la calidad del agua en la cuenca del río Chancay - Lambayeque, con especial énfasis en su impacto sobre la agricultura. Se utilizó la metodología CRISP-DM, empleando la plataforma Orange para el modelado y evaluación de distintos modelos de machine learning (multiple linear regression (MLR), support vector machine (SVM), decision tree (DT), random forest (RF), artificial neural network (ANN) y xgboost (extreme gradient boosting)). Los modelos fueron evaluados mediante R2, MAE, MSE y RMSE, destacando el buen desempeño del Random Forest, Decision Tree, ANN para el análisis del OD con un R2 de 0,741, 0714 y 0,785 respectivamente; para el análisis de la DBO los resultados del R2 fueron 0,856, 0,901 y 0,871. Por otro lado, el modelo de XGBoost sólo presentó buenos resultados con la DBO, siendo un R2 de 0,815. Los parámetros con mayor relevancia para las variables Oxígeno Disuelto (OD) y Demanda Bioquímica de Oxígeno (DBO) fueron el Cadmio y Fósforo Total, presentando un score máximo de 0,684 y 0,287 respectivamente. Asimismo, los parámetros que también presentaron un buen score fueron Boro y Litio (para OD) y Nitrógeno Total y Cromo Total (para DBO), según análisis de importancia de atributos (RReliefF y Score obtenido). Se recomienda priorizar el monitoreo de estos elementos y revisar su inclusión en los Estándares de Calidad Ambiental para el Agua (ECA) para categoría 3 (riego y bebida de animales). Los resultados evidencian el potencial del machine learning como herramienta para mejorar la gestión hídrica en contextos agrícolas.

Name thesis:degree_name

Ingeniero Industrial

Level thesis:degree_level

Título profesional

Discipline thesis:degree_discipline

Ingeniería Industrial

Grantor dc:publisher

Universidad de Lima

Year dc:date.issued

2025

Authors dc:creator

• Delgado Pinedo, Daniel Francisco
• Trujillo Vasquez, Sergio Alejandro

Advisor dc:contributor.advisor

• Corzo Chávez, Jorge Antonio

Statement dc:rights

• info:eu-repo/semantics/openAccess

Licence dc:rights.uri

• https://creativecommons.org/licenses/by-nc-sa/4.0

Language dc:language.iso

spa

Handle dc:identifier.uri

https://hdl.handle.net/20.500.12724/23146

OAI identifier oai:identifier

oai:repositorio.ulima.edu.pe:20.500.12724/23146