Evaluación del uso del aprendizaje automático para la predicción del consumo del agua potable en Panamá metropolitana

Resumen

La falta de agua potable en un país como Panamá donde el recurso hídrico abunda es notable debido a problemas de infraestructura y planificación proactiva. Estas tareas pueden ser mejoradas implementando nuevas tecnologías para la gestión del agua como el uso de algoritmos de aprendizaje automatizado y la inteligencia artificial. El objetivo de esta investigación consiste en la evaluación de la precisión de tres tipos de modelos de aprendizaje automático, incluyendo regresión lineal, regresión Ridge y regresión por vectores de soporte (SVR) para la predicción del consumo del agua residencial en el área metropolitana de Panamá, utilizando el consumo de agua en millar de galones como variable dependiente, además de total de clientes siendo las variables independientes. A partir de la metodología planteada, se obtuvo como resultado que el mejor modelo para predecir el consumo del agua es el modelo de regresión SVR con un coeficiente de determinación R2 ajustado 0.6178, siguiendo del modelo de regresión lineal 0.6036 y del modelo Ridge, 0.6036. Así mismo, esto se pudo comprobar con la raíz de error cuadrático medio, donde la magnitud del error del modelo SVR fue el menor. Por último, se realizó una proyección del 2024 al 2028 con el modelo de regresión por vectores de soporte (SVR), donde se obtuvo que el crecimiento del agua en el área de estudio aumentará linealmente de forma positiva a medida que los años, meses y número de clientes aumenten. Con este proyecto se demuestra la utilidad de los modelos de aprendizaje automático creando una base sólida para futuras investigaciones y busca crear conciencia para la aplicación tanto de políticas como de prácticas proactivas para garantizar un suministro sostenible de agua en los próximos años.