Dentro del programa de Agrupaciones Empresariales Innovadoras del Ministerio de Industria, Comercio y Turismo, Amphos 21 ha colaborado con las empresas HYDS, Aigües del Prat y con el Clúster Català de l’Aigüa (CWP) para desarrollar una herramienta innovadora para afrontar uno de los mayores retos del abastecimiento de agua: la predicción e identificación de contaminantes de análisis no rutinario.
La tecnología clave en este proyecto ha sido la combinación de la inteligencia artificial, en concreto diversos algoritmos de machine learning basados en redes neuronales, junto con una plataforma informática para la alerta temprana, de cara a mejorar la garantía de suministro de Aigües del Prat, la empresa que gestiona el abastecimiento de dicho municipio barcelonés. La herramienta resultante permite predecir la presencia de determinados contaminantes a partir de los caudales de explotación de los pozos y de la salinidad del agua medida en tiempo real. Los algoritmos, una vez entrenados y verificados, se han integrado en una plataforma de alerta temprana capaz de enviar avisos y alarmas cuando los resultados calculados por los algoritmos indican que las concentraciones de los contaminantes podrían estar aumentando. Puesto que el sistema se basa en datos registrados por sensores con elevada frecuencia y que pueden estar disponibles online, la respuesta ante un riesgo de contaminación puede llegar a ser inmediata.
La tecnología clave en este proyecto ha sido la combinación de la inteligencia artificial, en concreto diversos algoritmos de machine learning basados en redes neuronales
La inteligencia artificial es una herramienta de amplia aplicación en la gestión del agua que permite poner en valor toda la información histórica disponible en las empresas responsables de la gestión del ciclo urbano del agua. En lo que se refiere a la calidad del agua, las soluciones como la desarrollada en este proyecto han demostrado constituir una herramienta indispensable para mejorar la seguridad y la calidad en el abastecimiento, dar respuesta a los retos de las nuevas directivas y mejorar el control sobre la operación diaria. En concreto, uno de los resultados más relevantes del proyecto de innovación ha sido la validación del funcionamiento de la herramienta predictiva En el contexto de un abastecimiento urbano en una zona tan sensible como el área metropolitana de Barcelona.
Figura: Ejemplo de comparación entre datos reales (medidos) y las predicciones realizadas por la herramienta desarrollada para uno de los contaminantes orgánicos considerados. A medida que los algoritmos de machine learning se entrenan con más datos, las predicciones realizadas mejoran en precisión.
