Generación de un modelo estadístico para la automatización del control de los parámetros de calidad del agua, de la planta de tratamiento de agua potable El Carrizal, perteneciente a la parroquia San Miguel, del Cantón Salcedo, provincia de Cotopaxi
-
-
[1] Universidad Técnica de Ambato
Universidad Técnica de Ambato
Ambato, Ecuador
-
- Localización: Impact Research Journal, ISSN-e 3091-1745, Vol. 3, Nº. 2, 2025, págs. 261-285
- Idioma: español
- Títulos paralelos:
- Generation of a statistical model for the automation of the control of water quality parameters, of the El Carrizal drinking water treatment plant, belonging to the San Miguel parish, of the Salcedo Canton, Cotopaxi province
- Enlaces
-
Resumen
- español
Objetivo: El propósito de la investigación fue crear un modelo estadístico que usa métodos de aprendizaje automático. Este modelo está diseñado para automatizar el control de la calidad del agua en la planta de tratamiento “El Carrizal”, que se encuentra en el cantón Salcedo, en la provincia de Cotopaxi. Metodología: Se aplicó una metodología mixta con predominio cuantitativo, estructurada en cuatro etapas: preprocesamiento de datos, diseño del modelo predictivo, evaluación comparativa y validación en operación. Para analizar el pH, la turbidez y el cloro residual, se usaron datos antiguos de sensores IoT. Se aplicaron diferentes algoritmos de aprendizaje automático, como la regresión lineal múltiple, las máquinas de soporte vectorial, los árboles de decisión, las redes neuronales multicapa y los bosques aleatorios. Resultados: Los análisis mostraron que hay una baja relación lineal entre las variables (valores de R² cercanos a cero). Esto se debe a la estabilidad operativa del sistema y a la complejidad no lineal del proceso hidráulico. Entre los modelos que se evaluaron, el algoritmo Random Forest mostró el mejor rendimiento, logrando un buen equilibrio entre el error medio, la estabilidad y la capacidad de generalización. Por eso, se convirtió en la base del sistema de automatización predictiva. Conclusiones: Se llegó a la conclusión de que el modelo propuesto es una herramienta efectiva para automatizar el control de calidad del agua. Ofrece una metodología que se puede repetir, basada en datos y en técnicas de aprendizaje automático. Este enfoque abrió la posibilidad de desarrollar sistemas inteligentes más eficientes y sostenibles en el ámbito del tratamiento de agua potable.
- English
Objective: The purpose of the research was to create a statistical model using machine learning methods. This model is designed to automate water quality control at the “El Carrizal” treatment plant, located in the Salcedo canton of Cotopaxi province. Methodology: A mixed-methods approach with quantitative emphasis was applied, structured in four stages: data preprocessing, predictive model design, comparative evaluation, and operational validation. To analyze pH, turbidity, and residual chlorine, historical data from IoT sensors were used. Different machine learning algorithms were applied, such as multiple linear regression, support vector machines, decision trees, multilayer neural networks, and random forests. Results: The analyzes showed a weak linear relationship between the variables (R² values close to zero). This is due to the operational stability of the system and the nonlinear complexity of the hydraulic process. Among the models evaluated, the Random Forest algorithm exhibited the best performance, achieving a good balance between mean error, stability, and generalization ability. Therefore, it became the foundation of the predictive automation system. Conclusions: It was concluded that the proposed model is an effective tool for automating water quality control. It offers a repeatable, data-driven methodology based on machine learning techniques. This approach opened the possibility of developing more efficient and sustainable intelligent systems for drinking water treatment.
- español
