En la tercera ponencia del día intervino Teresa Morales Gómez-Luengo, directora de Business Advanced Analytics para el sector público en NTT DATA.
Expuso los pasos necesarios en la evaluación de la seguridad de presas públicas. Según explicó, es fundamental considerar el riesgo asociado a cada presa, fomentar el debate entre expertos para contrastar ideas y apoyarse en modelos que conduzcan a soluciones sólidas.
Estos modelos requieren investigaciones exhaustivas de las características de las presas, organización de debates, así como el uso de IA y analítica avanzada. También contemplan diferentes modos de fallo, tanto humanos como estructurales, lo que convierte este ámbito en un área crítica para la Dirección General del Agua.
Fuente: Guillermo Martínez, iAgua
Para llevar a cabo dichos modelos es necesario analizar fuentes de datos adicionales y sistematizar su uso, como por ejemplo los porcentajes de fallo de las presas, muchos de ellos disponibles públicamente (AEMET, PNCA, entre otros).
Todo este trabajo desemboca en objetivos de estudio cuyo foco son las presas: se seleccionan según los tipos de riesgo hasta llegar a las presas objetivo. Teresa Morales propuso aplicar machine learning e IA para realizar predicciones, gestionar riesgos y crear nuevos modelos supervisados.
En cuanto a los modelos, es necesaria una filtración de relevancias en riesgos hidrológicos, identificando los elementos clave de estudio. Además, debe evaluarse la calidad y completitud de los datos. Para ello, se elaboran tablas con las presas y sus variables. En este caso, se decidió utilizar un modelo no supervisado para clasificar las presas en grupos de riesgo.
En conclusión, los modelos K-means resultaron los más satisfactorios, aunque no definitivos, ya que incorporan dieciséis variables y distinguen cuatro grupos de presas bastante equilibrados, ordenados según su nivel de riesgo. En las gráficas presentadas se podía identificar qué tipo de presa implicaba mayor riesgo. Estos estudios permiten a la empresa caracterizar cada grupo en función de sus atributos medios y, a partir de ello, establecer la relación con los distintos niveles de riesgo.
Autora: Laura Jimenez
