Aplicación web basada en redes neuronales artificiales para pronosticar la demanda de agua potable en la empresa EMSA PUNO S.A. de la ciudad de Puno - 2024

Abstract

La predicción de la demanda de agua potable es una herramienta fundamental para optimizar recursos y mejorar la planificación en empresas de suministro. Esta investigación tuvo como objetivo general determinar el impacto del uso de Redes Neuronales Artificiales (RNA) en un aplicativo web para mejorar el pronóstico de la demanda de agua potable en EMSA PUNO S.A. Se recopilaron datos históricos de población, precipitación y temperaturas mensuales de Puno del año 2000 al 2023, identificando las principales variables que afectan la demanda de agua. Se desarrollaron tres modelos de predicción: Redes Neuronales Feedforward (FNN), Convolucionales (CNN) y de Corto y Largo Plazo (LSTM), evaluados mediante métricas como Error Medio Absoluto (MAE), Error Cuadrático Medio (MSE) y Coeficiente de Determinación (R²). El modelo FNN obtuvo el mejor desempeño con un MAE = 11.75, superando a LSTM (12.16) y CNN (13.03), por lo que fue integrado en la aplicación web desarrollada. Se realizó la predicción para el año 2024, y los resultados se compararon con el pronóstico generado por el método tradicional. La predicción de la aplicación con el modelo FNN integrado mostró un impacto del 12.45% en la mejora del pronóstico de la demanda de agua potable en EMSA PUNO S.A., con respecto al método tradicional. Estos resultados proporcionan a EMSA PUNO S.A. una plataforma accesible e intuitiva para la toma de decisiones estratégicas basadas en datos precisos y confiables, optimizando la gestión de los recursos hídricos y mejorando la planificación a largo plazo.