Publicación: Aplicación de técnicas de machine learning para la predicción del consumo hídrico en la ciudad de Bogotá
Portada
Citas bibliográficas
Código QR
Director
Fecha
Resumen
Este trabajo de grado analiza el consumo hídrico en la ciudad de Bogotá en un contexto de creciente presión sobre las fuentes de abastecimiento, como los sistemas de Chingaza y Sumapaz, así como de variabilidad climática asociada a fenómenos como El Niño. Como antecedentes, se consideran la crisis hídrica de 2024-2025 y las diferencias en patrones de consumo entre localidades, evidenciando la necesidad de estudios basados en datos a gran escala. El objetivo principal consistió en desarrollar y validar modelos predictivos basados en técnicas de Machine Learning (ML) para estimar el consumo promedio de agua por localidad y periodo bimestral en la ciudad de Bogotá, mediante la integración de variables climáticas, temporales y espaciales. La metodología fue cuantitativa e incluyó análisis descriptivo, depuración de datos, identificación de valores atípicos, modelado predictivo y evaluación del desempeño frente a modelos de referencia. Se implementaron redes neuronales profundas y XGBoost, cuyo desempeño se evaluó mediante tres estrategias complementarias de validación: partición aleatoria, validación temporal con entrenamiento en 2020-2023 y prueba en 2024, y validación espacial Leave-One-Localidad-Out (LOLO). Los resultados evidencian que el consumo hídrico presenta alta variabilidad y una marcada dependencia territorial. Bajo partición aleatoria, XGBoost con variables espaciales alcanzó un R² de 0,8917; sin embargo, las validaciones temporal y espacial demostraron que ese desempeño corresponde a interpolación dentro de las localidades ya observadas y no a capacidad predictiva generalizable. Un modelo entrenado únicamente con latitud y longitud, sin ninguna variable climática, alcanzó un R² de 0,7950, lo que evidencia que las coordenadas operan como identificadores territoriales. En la prueba temporal de 2024 el modelo fue superado por un modelo de referencia basado en la media histórica por localidad y bimestre, y en la validación LOLO solo 4 de las 20 localidades alcanzaron un R² positivo. En consecuencia, los resultados no aportaron evidencia suficiente para respaldar la hipótesis planteada bajo las estrategias de validación temporal y espacial. El principal aporte del estudio es metodológico: demuestra que la validación espacial y temporal resulta indispensable para distinguir la interpolación territorial de la capacidad real de generalización, y que los patrones históricos por localidad y bimestre constituyen una línea base difícil de superar. Se recomienda avanzar hacia estudios con mayor resolución espacial y temporal que fortalezcan la gestión del recurso, en concordancia con el Objetivo de Desarrollo Sostenible ODS 6.
Resumen en inglés
This thesis analyzes water consumption in the city of Bogotá within a context of increasing pressure on water sources, such as the Chingaza and Sumapaz systems, as well as climate variability associated with phenomena like El Niño. The study considers the 2024-2025 water crisis and the differences in consumption patterns between different localities, highlighting the need for large-scale data-driven studies. The main objective was to develop and validate predictive models based on Machine Learning (ML) techniques to estimate average water consumption per locality and two-month period in the city of Bogotá, by integrating climatic, temporal, and spatial variables. The methodology was quantitative and included descriptive analysis, data cleaning, outlier identification, predictive modeling, and performance evaluation against reference models. Deep neural networks and XGBoost were implemented, and their performance was evaluated using three complementary validation strategies: random partitioning, temporal validation with training in 2020–2023 and testing in 2024, and Leave-One-Location-Out (LOLO) spatial validation. The results show that water consumption exhibits high variability and a marked territorial dependence. Under random partitioning, XGBoost with spatial variables achieved an R² of 0.8917; however, temporal and spatial validations demonstrated that this performance corresponds to interpolation within the already observed locations and not to generalizable predictive capacity. A model trained solely with latitude and longitude, without any climatic variables, achieved an R² of 0.7950, demonstrating that the coordinates function as territorial identifiers. In the 2024 time-test, the model was outperformed by a reference model based on the historical average per locality and two-month period, and in the LOLO validation, only 4 of the 20 localities achieved a positive R². Consequently, the results did not provide sufficient evidence to support the hypothesis proposed under the temporal and spatial validation strategies. The study's main contribution is methodological: it demonstrates that spatial and temporal validation is essential to distinguish territorial interpolation from the actual capacity for generalization, and that historical patterns per locality and two-month period constitute a baseline that is difficult to surpass. Further studies with higher spatial and temporal resolution are recommended to strengthen resource management, in accordance with Sustainable Development Goal 6 (SDG 6).

PDF
FLIP 
