Machine Learning o aprendizaje de máquina, ha sido ampliamente utilizado como una poderosa herramienta de análisis y predicción de datos en las últimas décadas. Su principio consiste en utilizar algoritmos computacionales y funciones matemáticas que alimentados de datos puedan generar resultados que ayuden a la interpretación de varios fenómenos.
Se le denomina aprendizaje de máquina, ya que se percibe que el algoritmo “aprende” en base a una serie de datos de entrada, que posteriormente pueda predecir o clasificar un nuevo conjunto de datos objetivo. En este sentido, recientes estudios indican que uno de los tantos usos que se le puede dar a esta herramienta informática es el de predicción de resultados en base a parámetros de entrada1.
Es por esto que, un posible uso es el de predicción o estimación del índice de calidad del agua (ICA) que tiene una amplia interpretación en el análisis de agua. Su fórmula ha sido modificada a lo largo de los años desde un promedio ponderado hasta funciones logarítmicas complejas que involucran la medición de varios parámetros analíticos que se deben determinar en el agua.
Desde su planteamiento, el ICA está ligado a la elaboración de análisis de laboratorio, en el sentido de que los resultados de los análisis son fundamentales para alimentar a la fórmula del ICA y arrojar un resultado que se relacione su valor con la percepción de calidad del agua, “mala”, “regular”, “buena” y “muy buena”. Sin embargo, desde el punto de vista económico y ambiental determinar ICAs conlleva uso de recursos y generación de residuos químicos, y es aquí donde entra el machine learning, asistiendo al cálculo y posiblemente a la predicción.
De acuerdo a lo anteriormente expuesto, el uso de machine learning facilita y optimiza esta determinación, ya que puede predecir ICAs a partir de análisis químicos (economizar tiempo), sin realizar tanto análisis (economizar recursos) y, sobre todo, ahorrar tiempo.
El proceso antes mencionado, ha sido estudiado en los últimos años, dando resultados satisfactorios para varios cuerpos de agua alrededor del mundo; ríos, lagos, lagunas, aguas subterráneas y varias aguas superficiales han sido modeladas de acuerdo a algoritmos de machine learning, prediciendo o asistiendo al cálculo del ICA2.
De todo lo mencionado, estamos en frente a una oportunidad tecnológica para optimizar recursos, evaluar calidad de agua (que al fin y al cabo llega al consumo humano) y reducir en cierto grado la contaminación ambiental, todo esto con el uso de herramientas informáticas del siglo XXI que puede adentrarnos al mundo de la industria 4.0.
Autor: Moris Veloz
1 Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255-260.
2 Hassan, M. M., Hassan, M. M., Akter, L., Rahman, M. M., Zaman, S., Hasib, K. M., … & Mollick, S. (2021). Efficient prediction of water quality index (WQI) using machine learning algorithms. Human-Centric Intelligent Systems, 1(3-4), 86-97.