Resumen

El índice de calidad del agua es la forma más conveniente de comunicar el estado de calidad del agua de los cuerpos de agua, pero su evaluación requiere subjetividad en términos de participación del usuario y manejo de la incertidumbre. Recientemente, se han aplicado algoritmos de inteligencia artificial apropiados para pronósticos no lineales y también para manejar incertidumbres en diversos ámbitos de pronóstico de calidad del agua. Este trabajo se centra en el desarrollo de un sistema adaptativo neurodifuso basado en datos para el índice de calidad del agua utilizando un conjunto de datos reales obtenido de ocho estaciones de monitoreo diferentes a lo largo del río Satluj en el norte de la India. La novedad del trabajo radica en la estimación del índice de calidad del agua utilizando dos técnicas de agrupamiento diferentes: C-means difuso y ANFIS basado en agrupamiento sustractivo, y evaluando su precisión predictiva. Cada modelo se utilizó para entrenar, validar y probar el índice que se obtuvo a partir de

• Materias:Etringita Microestructura Ingeniería portuaria Método estocástico Conductividad hidráulica
• Subjects:Ettringite Microstructure Port engineering Stochastic method Hydraulic conductivity
• Palabras claves:índice de calidad del agua; Algoritmos de inteligencia artificial; Sistema neurodifuso adaptativo basado en datos; Estaciones de monitoreo; Río Satluj; Técnicas de agrupamiento
• Keywords:Water quality index; Artificial intelligence algorithms; Data-driven adaptive neurofuzzy system; Monitoring stations; River Satluj; Clustering techniques