Análisis de datos y predicciones de series temporales para infraestructuras de saneamiento de aguas en áreas de precipitaciones intensas: Life Reseau
![Thumbnail](/dspace/bitstream/handle/2183/38237/MartinezMuino_Diego_TFG_2024.pdf.jpg?sequence=4&isAllowed=y)
Use este enlace para citar
http://hdl.handle.net/2183/38237Coleccións
Metadatos
Mostrar o rexistro completo do ítemTítulo
Análisis de datos y predicciones de series temporales para infraestructuras de saneamiento de aguas en áreas de precipitaciones intensas: Life ReseauAutor(es)
Director(es)
González Taboada, MaríaDíaz García, Saúl
Data
2024-06Centro/Dpto/Entidade
Universidade da Coruña. Facultade de InformáticaDescrición
Traballo fin de grao (UDC.FIC). Ciencia e enxeñaría de datos. Curso 2023/2024Resumo
[Resumen]: La iniciativa Life Reseau surge para el estudio y actuación ante los efectos del cambio climático en infraestructuras de aguas residuales urbanas, concretamente en zonas que experimentan elevadas precipitaciones anuales, sobre las cuales recae el tratamiento de grandes volúmenes de agua de diversas fuentes.
Durante el desarrollo de este Trabajo de Fin de Grado (TFG), se llevarán a cabo diversas tareas para el tratamiento y procesamiento de los datos recolectados en las Estaciones Depuradoras de Aguas Residuales (EDARs) en relación con los caudales asumidos por estas estructuras. Esto permitirá a las empresas colaboradoras conocer, optimizar y planificar los recursos hídricos en estas áreas, así como reducir el impacto y el volumen de residuos producidos en estos procesos. A continuación, usando la información previamente recopilada y debidamente procesada, se pretende desarrollar diferentes algoritmos y modelos de aprendizaje automático, los cuales nos permitirán analizar y realizar predicciones sobre series temporales relacionadas con la actividad de dichas estructuras, lo que será esencial para la futura elaboración de planes de actuación adecuados para afrontar los efectos del cambio climático en las zonas circundantes. [Abstract]: The Life Reseau initiative aims to study and act on the effects of climate change on urban wastewater infrastructures, specifically in areas experiencing high annual rainfall, on which the treatment of large volumes of water from various sources relies. During the development of this Final Degree Project, several tasks will be carried out for the treatment and processing of the data collected in the WWTP (Wastewater Treatment Plants) in relation to the flows assumed by these structures. This will allow the collaborating companies to know, optimise and plan the water resources in these areas, as well as to reduce the impact and volume of waste produced in these processes. Then, using the information previously collected and duly processed, we intend to develop different algorithms and machine learning models, which will allow us to analyse and provide predictions on time series related to the activity of these structures, which will be essential for the future development of appropriate action plans to deal with the effects of climate change in the surrounding areas.
Palabras chave
Series temporales
Aprendizaje automático
Cambio climático
Predicciones
Gestión eficiente del agua
Ingeniería de datos
Time Series
Machine Learning
Climate change
Forecasting
Efficient water management
Data Engineering
Aprendizaje automático
Cambio climático
Predicciones
Gestión eficiente del agua
Ingeniería de datos
Time Series
Machine Learning
Climate change
Forecasting
Efficient water management
Data Engineering
Dereitos
Todos os dereitos reservados. Neste caso prohíbese a reprodución, transformación, distribución e comunicación pública da obra por terceiros. En cambio, permítese a súa visualización e a descarga dunha copia privada para o uso persoal.