Modelización preliminar de potencial hidrogeológico mediante técnicas de inteligencia artificial

Abstract

En el presente trabajo, se expone una metodología para generar mapas de potencial hidrogeológico basado en un conjunto de algoritmos de inteligencia artificial. Se ha establecido una base de datos geográfica, a partir de datos extraídos de pozos localizados en la zona de estudio, mediante el uso de QGIS 3.4. que se ha usado para “entrenar” y validar doce algoritmos o clasificadores de aprendizaje automático programados en Python 3.6. mediante el uso del complemento MLMapper 1.0. Cada algoritmo trata de predecir si un sondeo para agua potable será positivo o negativo, en función de una serie de variables explicativas que han sido incluidas en la base de datos mencionada anteriormente. Estas variables explicativas incluyen: tipos y usos del suelo, distancia a lineamientos, pendientes, topografía, geología, densidad de drenaje y densidad de vegetación. Las relaciones entre estas variables y la tasa de éxito de los sondeos existentes, se ha utilizado para generar un mapa predictivo de potencialidad hidrogeológica. Los resultados arrojados por los diferentes clasificadores en algunos casos superan el 80%, por lo que puede estimarse que el mapa generado se corresponde aceptablemente con la realizad de la zona. Este método resulta factible y es recomendable su uso para optimizar los trabajos de campo en zonas en las que se cuenta con un registro suficiente de datos históricos, pero donde las largas campañas de trabajo de campo pueden resultar inviables debido a causas como la difícil accesibilidad, el coste, la falta de tiempo o los posibles riesgos personales para los operarios de campo.