La EPMAPS cuenta con una nueva herramienta de ciencia de datos para pronosticar tormentas de precipitación con un rango de 5 a 60 minutos de anticipación, aproximadamente.

El modelo permitirá optimizar los tiempos de respuesta ante inundaciones, taponamientos, deslaves, y aluviones que se puedan presentar en los sistemas de alcantarillado y plantas de distribución de la EPMAPS. 

La ciencia de datos es una disciplina innovadora que destaca por su capacidad para procesar distribuciones de datos altamente complejas. Debido a su naturaleza multidisciplinaria, que incorpora matemáticas, estadística, informática y programación, es de mucha ayuda en campos relacionados con la gestión del agua como: hidrología, climatología, hidráulica, limnología, ecología, entre otras.

A través de sus herramientas de Artificial Intelligence, Machine Learning, Deep Learning, Neural Networks y otras áreas de desarrollo, se puede imitar la capacidad de razonamiento, abstracción y decisión humana en las máquinas, a partir de grandes volúmenes de datos estructurados o no estructurados. Con ello se mejora la eficiencia en la investigación y se potencia la toma de decisiones óptimas y eficientes.

En general, estas herramientas presentan gran versatilidad para modelar fenómenos y actividades de carácter no lineal. Además, son de fácil implementación y su costo de desarrollo es bajo. Precisamente por ello, se las emplea para estimar series de tiempo en hidrología.

Bajo este contexto, la Empresa Pública Metropolitana de Agua Potable y Saneamiento de Quito (EPMAPS) y el Fondo para la Protección del Agua (FONAG) a través de la Estación Científica Agua y Páramo (ECAP) firmaron un convenio con Smart Data Analysis Systems Group (SDAS Group), para generar investigaciones a través de tesis o proyectos de investigación con el uso de herramientas de machine learning y Big Data para mejorar la comprensión de los procesos hidroclimáticos del ámbito de acción de la EPMAPS y el FONAG.

Producto de este convenio se desprendió la tesis de pregrado de Juan González, estudiante de Ingeniería en Tecnologías de la Información de Yachay Tech, sobre un Sistema Piloto de Alerta Temprana para Precipitación Extrema Mediante un Enfoque Basado en Datos.

Durante un año, Diego Escobar de la Unidad de Hidrología de la EPMAPS y Diego Peluffo, gerente y fundador de SDAS Group trabajaron con Juan González para desarrollar el modelo de alta dimensión, bajo en consumo de memoria, eficiencia y estabilidad, que emplea la metodología CRISP-DM (Cross-industry standard process for data mining).

En cuanto a su funcionamiento, el sistema recopila seis variables meteorológicas en tiempo real, provenientes de la Red de Monitoreo Hidrometeorológico de la EPMAPS y el FONAG. A partir de ello, puede pronosticar, de forma automatizada, tormentas de precipitación con un rango de 5 a 60 minutos de anticipación, aproximadamente.

Gracias a esto, se pueden optimizar los tiempos de respuesta ante aumento de niveles en los embalses, inundaciones, taponamientos, deslaves, y aluviones que se puedan presentar en los sistemas de alcantarillado y plantas de distribución.

Por lo pronto, esta herramienta se encuentra en fase de prueba a un nivel científico. Sin embargo, con los resultados de este piloto, se pretende, en un futuro próximo, convertirla en una herramienta institucionalizada para el uso operativo de la EPMAPS – Agua de Quito y, conforme el sistema vaya robusteciéndose progresivamente, se prevé compartir los resultados con instituciones aliadas como: COE-Metropolitano, EP-Emseguridad, Bomberos-Quito, INAMHI y público en general.

 

Revisión y Supervisión: Fabiola Guzmán – FONAG y Rafael Osorio – EPMAPS.
Reportería y redacción: Diego Ribadeneira Falconí – FONAG.