Magíster en Hidrosanitaria

Las variaciones abruptas en el caudal representan un desafío significativo para las plantas de tratamiento de agua, afectando la calidad del recurso y el funcionamiento operativo. Para mitigar estos efectos, este estudio desarrolla un modelo de pronóstico diario de caudales basado en redes neuronales artificiales, alcanzando un margen de error inferior al 10%. El modelo analiza múltiples escenarios con bases de datos de distintos periodos temporales y emplea una arquitectura de cuatro capas densas, parámetros optimizados y un preprocesamiento estadístico riguroso. Los resultados obtenidos, validados mediante índices de correlación y análisis gráficos, confirman la capacidad del modelo para prever eventos hidrológicos relevantes, contribuyendo a una gestión hídrica más eficiente.