| Revista: | Ingeniare |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000441126 |
| ISSN: | 2390-0504 |
| Autores: | Aguilar Aguilar, Andrea C1 Obando Díaz, Francisco F1 |
| Instituciones: | 1Universidad del Cauca, Popayán, Cauca. Colombia |
| Año: | 2020 |
| Periodo: | Jun |
| Número: | 28 |
| Paginación: | 47-62 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Aplicado, descriptivo |
| Resumen en español | La conservación y el cuidado del agua es uno de los problemas medioambientales más importantes en la actualidad. La calidad de agua hace referencia a los valores apropiados de los parámetros fisicoquímicos y/o biológicos del agua para un uso específico. Su monitoreo proporciona información útil a fin de procesarla por herramientas de aprendizaje automático con fines predictivos. Este documento tiene como objetivo presentar una revisión de las técnicas de aprendizaje automático utilizadas en la estimación de la calidad de agua. Los trabajos investiga-tivos muestran que las redes neuronales (RN), los sistemas de inferencia neurodifusa (Anfis) y las máquinas de vectores de soporte (MVS) son las técnicas predictivas más utilizadas. Los resultados obtenidos en las medidas de exactitud evidencian la viabilidad de estimar la calidad de agua en ríos, cuencas y lagos, entre otros |
| Resumen en inglés | Water conservation and care is one of the most important envi-ronmental problems today. Water quality refers to the appropriate values of the physicochemical and / or biological parameters of the water for a specific use and its monitoring provides useful information to be processed by machine learning tools for predictive purposes. This document aims to present a review of machine learning techniques used in estimating water quality. Research works show that neural networks (RN), neuro diffuse inference systems (Anfis), and support vector machines (MVS) are the most widely used predictive techniques, the results obtained in the accuracy measures show the viability of estimate the quality of water in rivers, basins, lakes, among others |
| Disciplinas: | Ingeniería, Ciencias de la computación |
| Palabras clave: | Ingeniería ambiental, Inteligencia artificial, Agua potable, Calidad del agua, Aprendizaje automático, Análisis de datos |
| Keyword: | Environmental engineering, Artificial intelligence, Drinking water, Water quality, Automatic learning, Data analysis |
| Texto completo: | https://revistas.unilibre.edu.co/index.php/ingeniare/article/view/6215/6755 |
