Martínez Santos, PedroGómez-Escalonilla Canales, VíctorMoreiro Varela, Joaquín2023-07-192023-07-192022-07-28https://hdl.handle.net/20.500.14352/87281Documento de acceso restringido. Para más información diríjase al/los director/es del Trabajo de Fin de Máster / The access to this document is restricted. Please contact the director/s of the work in case you wish to read it.Las técnicas de Big-Data son un campo aún novedoso en el estudio de aguas subterráneas. La principal hipótesis subyacente a este trabajo es que la aplicación de metodologías de machine learning, sobre todo en países en vías de desarrollo, podría incrementar la tasa de éxito de las perforaciones y aumentar el rendimiento de los pozos, contribuyendo con ello a mejorar la calidad del abastecimiento de agua potable. Si bien en los últimos años se han incrementado los estudios al respecto, esta metodología se encuentra aún en proceso de mejora. Es por ello que en este trabajo se busca aportar información de como la implementación de algoritmos de clasificación de aprendizaje automático puede proporcionar información útil y de fácil interpretación a la hora de definir zonas hidrológicamente óptimas en entornos desfavorecidos. El presente trabajo se centra en el país africano de Mali, más específicamente en las regiones de Koulikoró y Bamako. En estas regiones, el abastecimiento por agua superficial es muy dificultoso debido a sus condiciones climáticas, por lo que depende del abastecimiento a partir de las reservas de agua subterránea que se encuentran en sus acuíferos. La predicción del potencial hidrogeológico se realizó a partir de software MLMapper V 1.0, desarrollado por el Grupo de Investigación de Hidrogeología y Medio Ambiente de la UCM, con base en 11 variables explicativas: Productividad hidrogeológica, suelos, geoformas del terreno, pendiente, Índice de Vegetación Normalizada (NDVI), Índice de Agua Normalizada (NDWI), Índice Topográfico de Humedad (TWI), profundidad del nivel freático, espesor saturado, precipitaciones y densidad de drenaje. Los resultados obtenidos muestran una tendencia a un mayor potencial hidrogeológico en las zonas centrales y sur de Koulikoró, resaltando la mayor influencia de variables como la litología y precipitaciones por sobre el resto de las variables. Los mapas finales obtenidos representan de manera general pero sencillamente interpretable las zonas más propensas a albergar pozos productivos en el área de estudio, aun así, esta metodología requiere de mejoras para estudio posteriores para así obtener resultados de mayor detalle.spamaster thesisrestricted access556.3Aguas subterráneas; Machine learning; AcuiferosHidrología2506.05 Hidrogeología2508.04 Aguas Subterráneas