Estudi i predicció d'averies en xarxes de distribució d'aigua amb agorismes de machine learning

Las redes de abastecimiento de agua potable requieren un mantenimiento continúo debido al envejecimiento de las tuberías y a la aparición de averías con el paso del tiempo. Poder anticipar estos fallos es de gran ayuda para planificar las tareas de mantenimiento y priorizar las intervenciones en aquellas tuberías que presentan un mayor riesgo. El objetivo de este Trabajo de Fin de Grado es desarrollar un modelo que permita predecir la probabilidad de fallo de las tuberías de una red de agua, y analizar si la inclusión de datos hidráulicos mejora los resultados del modelo. El trabajo se ha realizado a partir de datos reales de la red de abastecimiento de la ciudad de Manresa. En primer lugar, se han recopilado y tratado los datos históricos de las tuberías, considerando información como la antigüedad, el diámetro, la longitud, el material y el número de averías acumuladas. Con estos datos se ha construido un modelo de regresión logística, que permite estimar la probabilidad de que una tubería sufra una avería. El modelo se ha entrenado con datos históricos y se ha validado utilizando datos correspondientes a un periodo posterior. Además, la red de abastecimiento se ha modelizado mediante el software EPANET, lo que ha permitido obtener información sobre el comportamiento hidráulico de la red, como la presión media y el caudal en las tuberías. Estos datos se han incorporado posteriormente al modelo con el objetivo de comprobar si aportan información adicional para mejorar la predicción de fallos. Los resultados se han evaluado mediante la métrica C5N, que indica el porcentaje de averías que se podrían detectar al inspeccionar únicamente el 5 % de las tuberías con mayor probabilidad de fallo