Resumen

El proceso de predecir la calidad del agua en un área de captación es complejo debido a las interacciones inherentemente no lineales entre los parámetros de calidad del agua y su variabilidad temporal y espacial. Los modelos distribuidos empíricos, conceptuales y físicos para la simulación de interacciones hidrológicas pueden no representar adecuadamente la dinámica no lineal en el proceso de predicción de la calidad del agua, especialmente en cuencas con escasas redes de monitoreo de la calidad del agua. Para superar la falta de datos en el monitoreo y predicción de la calidad del agua, este artículo presenta un enfoque basado en el modelo de red neuronal feedforward (FNN) para la simulación y predicción de oxígeno disuelto (OD) en la cuenca del río Nyando en Kenia. Para entender la influencia de los factores contribuyentes en las variaciones de OD, el modelo consideró las entradas de los parámetros de calidad del agua disponibles (PQAs), incluyendo caudal, conductividad eléctrica (CE), pH, turbide

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Calidad del agua; Predicción; Red neuronal; Oxígeno disuelto; Modelo; Parámetros
• Keywords:Water quality; Prediction; Neural network; Dissolved oxygen; Model; Parameters