Descripció del projecte
Cada vegada hi ha una necessitat més elevada en donar suport a la resiliència urbana mitjançant l’ús de dades històriques i models de Machine Learning per poder realitzar el seu manteniment de la manera més eficient possible, evitant danys estructurals, socials i ecològics. Actualment, un dels grans problemes urbans és la gestió de l’aigua a causa de la urbanització, el canvi climàtic, la contaminació de l’aigua i l’anomenat fatberg en el clavegueram. Per solucionar aquests problemes, actualment es realitza una monitoratge de les condicions, reben un manteniment a partir d’inspeccions periòdiques, però la integració d’un sistema intel·ligent que realitzi un manteniment predictiu ajudaria en la reducció dels incidents.
El projecte planteja treballar en diferents casos involucrats en la gestió de l’aigua: (i) predicció de l’embossament de claveguerams, (ii) predicció de la contaminació de l’aigua, (iii) manteniment predictiu de l’equip de tractament de l’aigua i (iv) aplicació de tractament del senyal per descobrir comportaments emergents i les seves possibles causes.
Per afrontar aquests reptes, el projecte té com a objectiu estudiar els perfils dels usuaris per poder relacionar el seu comportament amb la qualitat de l’aigua del clavegueram, utilitzar dades meteorològiques i dades de propietats de l’aigua per identificar els nivells de contaminació, estudi del comportament del senyal en els sensors dels equips per poder realitzar el manteniment predictiu d’aquest i finalment estudiar els diferents casos de comportaments emergents històrics per reconèixer les possibles aplicacions en cada cas.
En aquesta tesi doctoral, s’innovarà en el tractament d’aigua urbana, introduint infraestructures aquàtiques intel·ligents que permetin superar els reptes en el manteniment predictiu de l’estat del recurs i de les eines usades per la seva gestió. Es realitzarà la recerca de diferents tipus d’algoritmes de machine learning, com poden ser els algoritmes supervisats (p.e. Xarxes neuronals, Support Vector Machines (SVM), GradientBoosting, etc) o algoritmes no supervisats (p.e. KMeans, DBScan, IsolationForest, etc), per tal de poder trobar els algoritmes més adients en el domini de la gestió d’aigua urbana.
