Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ELABORADO POR:
DIRECTOR DE TESIS:
CO-DIRECTOR TESIS
2
6.3 DIAGRAMA MATEMÁTICO CON COORDENADAS CARTESIANAS
(SCATTERPLOT) ....................................................................................................................... 46
6.4 ANÁLISIS JERÁRQUICO - DENDOGRAMA .................................................................. 48
6.5 ANÁLISIS LINEAL DE DISCRIMINANTES ..................................................................... 52
6.6 ANÁLISIS GEOESTADÍSTICO ........................................................................................ 55
6.7 RED NEURONAL ARTIFICIAL ........................................................................................ 62
7. PROPUESTA DE MEJORA.................................................................................................. 68
8. RECOMENDACIONES ......................................................................................................... 71
9. CONCLUSIONES................................................................................................................... 72
BIBLIOGRAFÍA ............................................................................................................................... 75
3
TABLA DE GRÁFICAS
4
RESUMEN
5
ABSTRACT
Nowadays, there are diverse tools which can be used to realize deep analysis, that
are more accurate and makes easier to read results of all what is related with water
resources. Bogotá (as in many others cities with huge populations) has a problematic
that has been growing in the last years, the persistent contamination in water bodies
which are under their jurisdiction.
Nevertheless, as it has been said previously, there are tools that allow constantly
monitoring of those water bodies, to get information in real time, like the water quality
networks; in this case, the Bogotá’s water quality network, which is a system of
monitoring points along the main rivers of the city (Salitre, Torca, Fucha and
Tunjuelito rivers)
The main objective of this project is to create an improvement approach for the water
quality network, focused to the two the rivers named previously (Salitre and Torca)
through the application of an artificial neural network or connectionist system, that
basically is a model of nodes interconnected, which allow to establish tasks that will
be learned automatically by the network. The idea is to train the network to develop
a specific action, which will improve the system by itself.
By now, in this paper will be shown the results of some statistics tests applied to the
data obtained from the water quality network (linear discriminant analysis,
hierarchical analysis, Kriging) taking into account that before this project, some
students have realized an analysis for Tunjuelito and Fucha rivers respectively. So
now, the idea is to contrast the methodologies applied for those rivers and see what
is the difference between the information obtained for every river and how the
methods work for every water body. Likewise, it is important to determinate another
factors that affects directly in the information like population dynamics, domestic
water spills, industrial water spills, anthropic activities, among others).
Keywords: Artificial Neural Network, Lineal Discriminant Analysis, Hierarchical
Analysis, Geoestatistical Analyst, Salitre River, Torca River, Water Quality Network.
6
INTRODUCCION
7
1. PLANTEAMIENTO DEL PROBLEMA
El río Torca con una longitud de 13.06 km comienza su recorrido desde el conjunto
residencial Bosque de Pinos (carrera 6 con Calle 153) hasta su entrega al río
Bogotá. Este río nace en los cerros orientales y desemboca al sistema humedal
Torca-Guaymaral a altura de la Autopista Norte, en cercanía a los terrenos del
cementerio Jardines de Paz, y a su vez drena al norte en la cuenca media del río
Bogotá. La cuenca del río Torca se conforma por tres subcuencas principales: El
Cedro, San Cristóbal y Serrezuela, que se inician en los cerros orientales de la
ciudad y cuyos canales se encuentran revestidos [2]
La principal fuente de contaminación de este río o más conocido como canal Torca
son las aguas residuales que llegan a él por medio de escorrentía o descarga
directa, además de tener vertimientos de tipo industrial gracias a las canteras que
se encuentran en el noroccidente de Bogotá [3].
La cuenca del río Salitre se encuentra ubicada en el sector centro-norte del Distrito
Capital, limita por el norte con la cuenca del río Torca y el humedal La Conejera, por
el occidente con el río Bogotá y el humedal Jaboque, al oriente con los municipios
de La Calera y Choachí, y por el sur con la cuenca del río Fucha [2]; este río recorre
muchas más localidades que el río Fucha (Engativá, Santa Fe, Chapinero, Usaquén,
Suba, Barrios Unidos y Teusaquillo), por ende, por actividad antropológica de igual
manera tiene una problemática ambiental marcada, el vertimiento de residuos,
aguas residuales y residenciales a lo largo de su cauce [4].
8
Por ello, es necesario que exista un monitoreo constante de estos cuerpos de agua,
y en general, de los diversos ríos de Bogotá, puesto que, se necesitan establecer
controles para evitar que la situación actual de los mismos empeore a medida de
que pasan los años y así mitigar los problemas ambientales ya existentes. Para esta
situación, ya existe la red de calidad hídrica de Bogotá, en donde, entidades como
la EAAB se encargan del constante monitoreo y seguimiento de los niveles de
contaminación de estos ríos mediante la medición de variables de calidad de agua
[5].
9
2. JUSTIFICACIÓN
Las redes de monitoreo son sistemas que tienen como objetivo verificar el estado
actual de un cuerpo hídrico, teniendo en cuenta los agentes externos que pueden
llegar a alternar el equilibrio de este ecosistema. A través de los años, las redes de
monitoreo van perdiendo características de calidad (bien sea porque no se hace el
respectivo mantenimiento a los equipos y sistemas o porque simplemente la
tecnología usada comienza a ser obsoleta). Cuando una red de monitoreo tiende a
minimizar la calidad de la información que provee, es necesaria una optimización
de la misma, no solo por la calidad de los datos sino que gracias a esta acción de
mejora, se generan beneficios económicos para la entidad que esté encargada del
seguimiento de la misma [7].
10
Se deben considerar las ventajas de realizar una propuesta de mejora para la red
de calidad hídrica de Bogotá. Primero se cuenta con los beneficios económicos ya
que se pueden utilizar métodos matemáticos que evitan la implementación de
sistemas que demandan un alto costo y que tiene grados de confiabilidad similares
a los de un sistema convencional, así mismo, el uso de software reemplaza la mano
de obra y otros costos directos del proyecto generando viabilidad a la optimización
que se genera después del estudio respecto a la RCHB [9].
Además de ello, los beneficios técnicos que representa el hecho de generar una
propuesta de optimización, debido a que se determina la situación actual de la red
y esta sería la base de futuras adecuaciones físicas y tecnológicas que pueda llevar
a que la calidad de la red con respecto a la información que brinda sea más óptima
[10]. Ambientalmente hablando, el beneficio sería propicio debido a que la calidad
de la información respecto al estado actual de la contaminación que tienen los ríos
Salitre y Fucha serán más acertados, pudiendo así establecer medidas de
intervención para mitigar la polución actual de los mismos [11]
Finalmente, la idea de este proyecto es demostrar el poder de emplear aquellas
metodologías que han venido evolucionando a través del tiempo, que combinadas
con tecnologías de medición crean sistemas óptimos y dan paso a nuevas técnicas
con sensores e inteligencia artificial [12].
11
3. OBJETIVOS
12
4. MARCO TEÓRICO
Uno de los objetivos de una red de calidad hídrica es determinar qué tan
contaminado se encuentra un cuerpo de agua específico. La contaminación hídrica
en Colombia se puede dar por actividades industriales, domésticas, agropecuarias,
entre otras [13]. La contaminación hídrica puede darse de dos formas, por fuentes
naturales o por fuentes artificiales.
- Fuentes naturales: Cuando el cuerpo hídrico tiene contacto directo con
diferentes superficies, estas pueden contener sales minerales que pueden
disolverse en el agua [14].
- Fuentes artificiales: Son aquellas fuentes que son consecuencia de las
actividades humanas; las sustancias o elementos que son producidos por el
hombre son mucho más difíciles de eliminar cuando están en presencia en
el agua debido a la complejidad de los compuestos que son vertidos [14].
El agua tiene capacidad de auto recuperarse cuando está presente todo tipo de
contaminantes en la misma, pero las concentraciones en las que se encuentran
esos elementos o sustancias es tan alta que para ello se necesitan tecnologías
alternas para el proceso de recuperación. La contaminación hídrica puede
determinarse por parámetros físicos, químicos y biológicos. En la siguiente tabla se
enlistan los principales parámetros que se tienen en cuenta a la hora de determinar
el estado de un cuerpo de agua [15].
Tabla 1: Parámetros clasificados por su naturaleza (física, química y biológica)
13
Compuestos
Radiactividad
orgánicos
Fuente: [15].
A la hora de analizar un cuerpo de agua, se debe tener en cuenta cuáles son las
condiciones en las que se está dando la contaminación hídrica, para así, seleccionar
los parámetros de calidad en los que se enfocará dicho análisis. Para ello, es
importante resaltar los contaminantes principales que están en contacto con los
cuerpos hídricos.
- Aguas residuales: Las aguas residuales contienen basura, detergentes,
residuos orgánicos, inorgánicos y biológicos como la excreta humana. Estos
residuos traen consigo una serie de contaminantes fisicoquímicos y
biológicos [16].
- Residuos industriales: Estas contienen una serie de sustancias químicas las
cuales provienen de diversas actividades económicas, se pueden encontrar
una serie de metales pesados, compuestos orgánicos e inorgánicos (ácidos,
cianuros, cloruros, entre otros) [16].
- Residuos de agricultura: estos residuos traen consigo las restos de
pesticidas, fungicidas, herbicidas, entre otros (en donde se resaltan los
compuestos de fosforo y nitrógeno) [16].
- Contaminantes físicos: entre estos se encuentran los residuos radioactivos,
los sedimentos, los residuos de la actividad petrolera, y las aguas de
termoeléctricas y plantas nucleares, las cuales, alteran la temperatura del
cuerpo hídrico receptor [16].
14
Cuando se busca optimizar una red de calidad hídrica hay que tener en cuenta la
relación costo y beneficio de la recolección y tratamiento de datos, para ello se
tienen en cuenta factores como los costos de campo (mediciones realizadas en los
puntos establecidos o estacones móviles), los costos de laboratorio (dependiendo
del parámetro medido, varían los valores del análisis de laboratorio por insumos
como reactivos especiales) y los costos de mantenimiento y tratamiento de
información, caso específico para las estaciones fijas y las personas que manipula
y analizan la información recibida [21].
Si se quiere obtener una reducción de costos, se debe ser radical a la hora de
eliminar acciones y/o elementos específicos, por ejemplo, si se elimina una estación,
se reducen los costos de mantenimiento y tratamiento estadístico más no los costos
de laboratorio, pero si en cambio, se elimina un parámetro de la lista de los objetivos
de calidad de agua, puede que reduzca el costo de análisis pero no el costo de
monitoreo in situ. Esto conlleva a que el encargado de la optimización debe tener
en cuenta que no siempre la reducción de costos será sustancial y que siempre hay
que equilibrar la eficiencia de la optimización con respecto a la calidad de la
información con la rebaja de precios del continuo uso de la red de calidad hídrica
[21].
A continuación se muestra cuales son aquellos pasos que se recomienda llevar a
cabo a la hora de considerar la optimización de un sistema existente de monitoreo
de calidad hídrica [20].
Seleccionar los
Tener claros los
parámetros Análisis de la
objetivos de
fisicoquímicos y covertural espacial
monitoreo.
biológicos
Análisis de la
Análisis relación
frecuencia
espacio-temporal
(tempoalidad)
15
2. Parámetros fisicoquímicos: estos parámetros se encuentran establecidos en
la normativa colombiana, y de acuerdo a los objetivos se seleccionan los
adecuados [20].
3. Análisis de cobertura espacial: métodos como el análisis jerárquico y
métodos geoestadísticos son usados para determinar cómo es la distribución
de las concentraciones de los parámetros a lo largo de los cuerpos de agua
y así, determinar la importancia de los puntos de muestreo [20].
4. Análisis de frecuencia: métodos como el análisis de tendencia son útiles para
determinar cuáles serán aquellos periodos de tiempo en los que se realizarán
las mediciones de acuerdo a las características de la zona [20].
5. Análisis relación espacio temporal: finalmente, cuando ya se han realizados
métodos que puedan analizar la importancia de los puntos de muestreo y los
periodos de tiempo de medición, se relacionan todos en métodos integrales
que puedan dar resultados más acertados, en este caso, un método muy
eficaz es red neuronal artificial [20].
De acuerdo a los pasos que se enlistaron anteriormente, los siguientes métodos son
algunos de los que pueden ser útiles para poder llevar a cabo una optimización
(dependiendo de las características de la red de calidad hídrica, los métodos se
adecuarán a las respectivas condiciones) [20].
Análisis de
Análisis
correlación y
multivariado
regresión
16
forma confiable, clara y oportuna, para evaluar el cumplimiento de estándares de
calidad según la normatividad ambiental vigente. Asimismo, facilita generar
información base produciendo un récord histórico que admite definir
comportamientos y perfiles de calidad, constituyéndose en una herramienta
fundamental para la toma de decisiones [17].
- Parámetros del diseño: Los métodos utilizados en el monitoreo desde la
recolección de las muestras, la preservación, hasta el transporte de las
mismas, fueron los establecidos por el método estándar AWWA, edición 20ª.
Los parámetros a analizar son:
Tabla 2: Parámetros seleccionados para la optimización por el método estándar
AWWA.
# PARÁMETRO UNIDAD MÉTODO DE ANÁLISIS LÍMITE DE DETECCIÓN
1 Arsénico mg/l-As IC Plasma 3500 As-D 0,003
2 Amonio mg/l-N Destilación titulación 4500-NH3-c 0,3
3 Bario mg/l-Ba IC Plasma 3500 Ba-C 0,0002
4 Cadmio mg/l-Cd IC Plasma 3500 Cd-C 0,0002
5 Caudal l/s Área velociad-volumétrico 0,1
6 Cianuros mg/l-CN Destilación colorimétrico 4500-CN-C-E 0,001
7 Cobre mg/l-CU IC Plasma 3500 Cu-C 0,001
8 Coliformes totales NMP/100 ml Sustrado definido <1
9 Cromo hexavalente mg/l-Cr(+4) Colorimétrico 3500 Cr-C 0,025
10 Cromo total mg/l-Cr IC Plasma 3500 Cr-C 0,001
11 Demanda biológica de oxígeno mg/l-O2 Electrométrico 5210-B 2
12 Demanda química de oxígeno mg/l-O2 Titulométrico 5220-B 5
13 E. Coli NMP/100 ml Sustrado definido <1
14 Fenoles totales mg/l Destilación colorimétrico 5330-b 0,05
15 Fósforo toal mg/l-p Colorimétrico 4500-P-C y E 0,01
16 Grasas y aceites mg/l Partición gravimétrica-5520-B 10
17 Manganeso mg/l-Mn IC Plasma 3500 Mn-C 0,0002
18 Mercurio mg/l-Hg Absorción atómica 3500 Hg-B 0,00025
19 Niquel mg/l-Ni IC Plasma 3500 Ni-C 0,001
20 Nitrógeno total mg/l-N Volumétrico 4500 N-B 0,3
21 Oxígeno disuelto mg/l-O2 Titulométrico 4500 O-C 0,1
22 pH Unidades Electrométrico 0,1
23 Plomo mg/l-pb IC Plasma 3500 Pb-C 0,001
24 Sólidos suspendidos totales mg/l Gravimétrico 2540 D 1
25 Sólidos sedimentables mg/L-hora Volumétrico cono imnoff 0,5
26 Sulfuros mg/l-S Titulométrico 4500-S=C-F 0,1
27 Tensoactivos (SAAM) mg/l Colorimétrica 5540-C 0,025
28 Temperatura °C Electrométrico 0,1
29 Zinc mg/l-Zn IC Plasma 3500 Zn-C 0,00002
17
Se define optimización como acción y efecto de optimizar. Este verbo hace
referencia a buscar la mejor manera de realizar una actividad. El término se utiliza
mucho en el ámbito de la informática [18]. La optimización matemática está
constituida por un conjunto de resultados y métodos analíticos y numéricos
enfocados a encontrar e identificar al mejor candidato entre una colección de
alternativas, sin tener que enumerar y evaluar explícitamente todas esas
alternativas. Un problema de optimización es, en general, un problema de decisión
[19].
Antes de establecer una red de calidad hídrica, se deben tener en cuenta dos
factores importantes, el primero es la definición del objetivo de la red de monitoreo,
y segundo las características del río al que se implementará dicha red, es decir, se
deben tener en cuenta variables tan básicas como la evapotranspiración, la
precipitación, la pendiente, la forma, las dimensiones, la velocidad y el caudal del
flujo [20]. Después de ello, se tiene en cuenta cuáles son las especificaciones
esenciales del funcionamiento de una red de monitoreo, las cuales se enlistan a
continuación [21]:
1. Componentes de la garantía de calidad: se tienen en cuenta cosas como las
normas de calidad, la capacitación de trabajadores, la facilidad de operación
de los equipos, los procedimientos de operación, entre otros [21].
2. Facilidad de laboratorios: cómo se realizarán los procedimientos de análisis
de información [21].
3. Calibración, mantenimiento y control de los equipos: esto implica los costos,
la mano de obra, y el seguimiento e inspección que se le deben hacer a los
equipos de monitoreo [21].
4. Control del análisis cualitativo: Se deben establecer los controles internos y
externos de calidad, con respecto a la información generada en todo el
proceso de obtención de datos. Es importante que este control se aplique a
toda la red de monitoreo, integralmente hablando, involucrando los equipos,
al personal a cargo, a los análisis de laboratorio, entre otros [21].
5. Garantía de calidad de la información: Se basa en establecer protocolos de
obtención de datos, como ejemplo, se recomienda que a la hora de
muestrear, no se conforme con una única vez de muestreo, sino que se
realice una o dos veces más para corroborar la información. Lo ideal es que
se plantee el paso a paso de cómo se hará el análisis de la información, esto,
asegurando que el margen de error de la información oficial de la calidad de
agua del cuerpo en cuestión sea mínimo [21].
18
- Selección de las variables: Las variables dependerán de las fuentes de
contaminación del cuerpo de agua y el uso del agua que tiene actualmente
(industrial, agropecuario, doméstico, recreacional, entre otros) [22].
- Selección de puntos de muestreo: Así como las variables de interés
dependerán del uso que se le da a la información que se obtiene en el
monitoreo, de igual manera la ubicación de las estaciones dependerá de qué
objetivo tenga la red de monitoreo, es decir, si se quiere conocer las
concentraciones de contaminantes en puntos fijos como vertimientos
(domésticos o industriales) o si se quiere conocer el comportamiento general
de un cuerpo hídrico con respecto a los nutrientes que recibe a lo largo de su
cuenca [23].
- Frecuencia de monitoreo: Para determinar cuáles serán los lapsos se debe
tener en cuenta el objetivo de la red de monitoreo, así como las variables que
se han establecido en primeras instancias, ya que no todas las variables
necesitan ser monitoreadas en los mismos períodos, además de que un
monitoreo innecesario podría incurrir en costos [24].
19
veces en un mismo día para obtener al final del diseño 20 datos por punto
repitiendo la metodología planteada [5].
20
Fuente: Autores.
El río Salitre nace en los cerros orientales con el nombre de quebrada Arzobispo,
el cual es canalizado desde el parque nacional y tiene un papel importante como
límite natural entre las localidades de Engativá y Suba, en donde cambia su nombre
a Juan Amarillo, haciendo honor al humedal con el mismo nombre. Este río tiene
una longitud total de 21,56 kilómetros desde su nacimiento en los cerros hasta su
desembocadura en el río Bogotá, en la instancia de la planta de tratamientos de
aguas residuales El Salitre [27].
El Salitre tiene un área de drenaje de 13.964 hectáreas, localizada en el sector
centro - norte del Distrito Capital, su pendiente media del cauce es de 3,32% y su
altura promedio es de 2870 m.s.n.m, donde la cota máxima está por el orden de los
3200 metros presentando corrientes naturales de agua de alta pendiente sobre los
Cerros Orientales; un sector medio que es plano y comprende gran parte del
sistema pluvial de la ciudad donde se han canalizado, entubado y rectificado los
cursos naturales y un sector bajo donde se encuentran cuerpos amortiguadores
naturales que entregan al río Bogotá y han sido reducidos en su capacidad por
acción antrópica y la cota mínima está sobre los 2540 metros (el perímetro urbano
va aproximadamente hasta los 2700 m.s.n.m) [28].
El rio salitre en los últimos años ha sido represado como medida preventiva para
evitar mayor afluencia del agua, por la carga de contaminantes que son vertidos en
sus aguas; el recorrido que hace el contaminante es: entre la carrera séptima y la
circunvalar se empiezan a ver los problemas que afectan al río, pues algunos
vertimientos empiezan a deteriorar sus cristalinas aguas, así mismo se realizan
vertimientos directos de los baños del parque nacional, por la falta de adecuación
de la zona, Como se ha mencionado el rio se divide en cuatro tramos, en el segundo
tramo el rio esta canalizado en su totalidad, en este tramo se presentan problemas
de indigencia, quienes dejan sus residuos en el canal, otro punto de vertimiento de
aguas residuales es la carrera 24 con calle 45 al frente del estadio el campin y por
la mitad de la carrera 30, aquí el rio aumenta su tamaño pero reduce su velocidad
lo que provoca la acumulación de basuras y sedimentación en sus aguas, en este
segmento también existen varios puntos de vertimientos de aguas domesticas
donde solo drenan las aguas pluviales al canal pues las negras se dirigen al rio
Fucha, los sectores críticos del rio son entre los ríos y la calle 80 pues las bajas
pendientes del salitre ocasionan que la velocidad se disminuya trágicamente,
generando problemas de sedimentación y de descomposición orgánica por este
motivo se presentan olores fuertes en esta zona, a las alturas de la Avenida 68 el
rio recibe las aguas de los canales rio negro y rio nuevo que trasportan las aguas
del norte y parte de metrópolis, disminuyendo más la velocidad del rio debido a su
carga contaminante; el río desemboca sus aguas cerca de la PTAR donde existen
vertederos ilegales y es este punto es donde el rio recoge la mayoría de carga
contaminada vertida entregando sus aguas tratadas al rio Bogotá . [29]
21
4.5 RÍO TORCA
Fuente: Autores.
22
El Canal de Torca tiene una longitud de 4.24 kilómetros, que comienza desde el
canal Serrezuela y termina su recorrido en el humedal Torca- Guaymaral. La cuenca
cuenta con un sistema de alcantarillado, el cual a su vez está dividido por el sistema
de saneamiento y el sistema de aguas lluvias. El sistema sanitario es el que se
encarga de recoger todas las aguas residuales y las dirige a la planta de tratamiento
de aguas residuales El Salitre, mientras que el sistema de aguas lluvias, dirige el
agua recogida hasta el humedal torca, que posteriormente llegará a la cuenca media
del río Bogotá [3].
Como se mencionó en el planteamiento del problema, la cuenca del río Torca se
compone de 3 subcuencas (El cedro, San Cristóbal y Serrezuela) y de esta se
desprenden las siguientes quebradas [30] [31].
QUEBRADAS CUENCA
TORCA
Quebradas Bosque Pino y El
Cedro
Quebradas Arauquita y San
Cristóbal.
Quebrada Soratama
Quebrada Aguas Calientes
Quebrada Patiño
Quebrada San Juan
Quebrada Floresta
Quebrada El Novita
Fuente: [31].
El humedal torca-Guaymaral se encuentra una altura de 2550 m.s.n.m, el cual es
caracterizado por estar en un piso bioclimático altitudinal subandino o andino bajo,
a continuación se enlista la información aportada por la estación meteorológica de
Guaymaral [31].
HUMEDAL TORCA
Característica Dato
Temperatura 13,1*C
1305
Brillo solar
horas/año
Precipitación 773mm
Humedad 74%
Evaporación 947mm
Radiación
342 cal/cm2
solar
Fuente: [31].
23
El humedal de Torca-Guaymaral ha sufrido daños en su estructura ecológica debido
a infraestructura vial y demás construcciones, y así mismo, el canal de Torca posee
una serie de fuentes que contaminan sus aguas a lo largo de su recorrido, hasta
finalmente desembocar en el río Bogotá. Las fuentes de contaminación son [2].
1. Aguas residuales domésticas por vertimientos realizados directamente por la
red de alcantarillado público (este problema se evidencia en el primer tramo)
[2].
2. Cargas orgánicas, sólidos suspendidos totales y coliformes fecales que
provienen de los afluentes al canal (quebradas) así como el sistema de agua
lluvias aporta a estos contaminantes [2].
3. Vertimientos directos domésticos e industriales (segundo tramo del río,
puesto que no se cuenta con sistema de alcantarillado) [2].
24
cuantitativos relativos a las alternativas de decisión; la ventaja es que
adicionalmente permite incorporar aspectos cualitativos que suelen quedarse fuera
del análisis debido a su complejidad para ser medidos, pero que pueden ser
relevantes en algún caso [33].
La construcción de un modelo jerárquico, permite de una manera eficiente y grafica
organizar la información respecto de un problema, descomponerla y analizar por
partes, visualizar los efectos de cambios en los niveles y sintetizar información [33].
Una herramienta que es muy útil para poder sacarle provecho al análisis clúster es
el dendograma, la cual, permite visualizar de una manera más gráfica la agrupación
de información en clústeres [34].
25
estimación el cual busca generar una estimación lineal de los valores de los puntos
con información [38].
En donde,
26
1
Donde 𝑑𝑖𝑗 𝐵 es un exponente de ponderación que controla la forma en la que el peso
disminuye con la distancia Esta familia de métodos permite la generación del MDE
(modelo Digital de elevación), de una forma rápida y simple. Sin embargo, se trata
esencialmente de una media ponderada y el resultado se encuentra siempre
incluido dentro del rango de variación de los datos. Por este motivo, el correcto
tratamiento de las formas cóncavas y convexas depende estrechamente de la
distribución de los puntos originales y la presencia de datos auxiliares se hace muy
conveniente. [40]
27
La construcción de las funciones discriminantes (combinaciones lineales de las
variables originales) se realiza buscando aquellas que hacen máxima la separación
entre grupos, lo que equivale a maximizar la variable entre grupos. [43].
La asignación de los elementos a clases se realiza mediante el criterio de Bayes:
cada elemento se asigna a una clase para la que es mayor la probabilidad de
pertenencia condicionada por los valores que toman las funciones discriminantes
[44]
Tales que discriminen o separen lo máximo posible a los “q” grupos. Estas
combinaciones lineales de las “p” variables deben maximizar la varianza
entre los grupos y minimizar la varianza dentro de los grupos [41].
28
Fuente: [45].
Las redes neuronales pueden llegar a tener diez mil nodos o dendritas así como
pueden tener tan solo 10, depende de que tan complejo sea el sistema y cuál sea
el objetivo del creador de la misma. Así mismo, las redes pueden tener solo una
capa de intercomunicación entre nodos y una capa de salida (que es la red neuronal
más simple), pero las capas las define el usuario a razón de la complejidad de
interacción entre nodos [47].
29
Tabla 3: Ventajas y desventajas de la implementación de una red neuronal
artificial.
VENTAJAS DESVENTAJAS
Necesita una serie de entrenamientos
Es un método que puede ser usado para
sucesivos, lo que dificulta el proceso de
predicciones a corto plazo y estimaciones.
obtención de información.
Una de las características de la RNA es Para que el funcionamiento de una RNA sea
que puede establecer relaciones no óptimo, la información que se ingrese al
lineales en el análisis de series de tiempo sistema debe ser confiable y de calidad
No existe una metodología universal para
Una RNA puede lidiar bien con la falta de calibrar, validar y entrenar una RNA, lo que
información o información perdida. dificulta su aplicación, pues dependerá del
objetivo de la misma.
La RNA puede aprender a manejar muy
Tiene pocas habilidades de generalización
buen un conjunto de datos de entrada y
de información
generar respuestas efectivas.
Fuente: [51].
30
Fuente: [48].
Para este estudio se utilizó el algoritmo de programación hacia atrás o “error back
propagation algorithm” [48].
31
lago, teniendo en cuenta que al ser parámetros físicos, estos se podían obtener de
dos fuentes, la primera de imágenes Landsat obtenidas de los años 2001, 2002,
2003 y 2004, así como una serie de muestreos que realizaron los investigadores
[49].
Fuente: [49].
En China, para el río Hanjiang se usó la red neuronal artificial para determinar cuál
era el comportamiento de los contaminantes en un número específico de días (Kth)
teniendo en cuenta la legislación que estipula los límites permisibles de
contaminantes en los sistemas hídricos, así como los puntos en donde se dan
vertimientos por actividades industriales (Ws). La red se activa o genera un mensaje
de advertencia cuando en la capa de salidas hay presencia de información de uno
o más contaminantes, teniendo en cuenta que esto se sale del comportamiento
“normal” estipulado en la capa de entrada y en las instrucciones dadas al modelo
[50].
32
En Tainan, se realizó la construcción de un algoritmo multiobjetivo para para
optimizar el manejo y control de la calidad de agua del río Tou-Chen ya que este
presentaba diversos problemas de contaminación continua. En este caso de
estudio se usó el método “backpropagation algorithm”, que sirve para calcular el
error contribuido por cada una de las neuronas después de que una base de datos
es procesada [52].
Fuente: [52].
33
El último estudio citado en esta sección se desarrolla en Heilongjiang en el noreste
de China, el rio mide 1890 km de largo de la parte alta y media del río, el método
que es un modelo matemático en primer lugar utiliza los pocos datos disponibles del
cuerpo hídrico donde se usó una red de monitoreo de calidad para calibrar el
modelo expuesto, Este modelo se aplica posteriormente para extender el conjunto
de datos y proporcionar información sobre las cuencas fluviales que no son
experimentales controlados. En segundo lugar, utiliza un análisis de los conjuntos
de datos experimentales y numéricamente extendidos con el fin de dividir toda la
longitud del río en tramos homogéneos con respecto a la calidad del agua, lo cual
gracias al a metodología optima se estimó los puntos donde debe ser instalada cada
estación de monitoreo en cada tramo del rio, el cual consta de 15 estaciones de
medición existentes. En este río, la DQO y el fueron identificados como los dos
parámetros más relevantes con respecto a la calidad del agua.
Para cada sección transversal del río en la que se dispone de datos numéricos, se
representan los parámetros de calidad del agua como:
34
El numerador 1/2 (aj þ bj) en la ecuación representa el promedio de los valores más
bajos y más altos del agua, j el parámetro de calidad en el río, El parámetro Sjk en
el denominador representa el valor umbral de la clase k para el agua el parámetro
de calidad j en la norma nacional de calidad del agua (GB3838-2002), que tiene
cinco clases (kmax ¼ 5). Si es mayor s la contaminación del parámetro de calidad
del agua j, Mayor su correspondiente factor de peso Pj. La ecuación normaliza
factores de peso para los diferentes parámetros de calidad del agua donde su suma
es igual a 1.
35
5. METODOLOGIA
Este proyecto tendrá varias etapas establecidas, las cuales, son importantes para
su desarrollo y ejecución. A continuación serán explicadas.
Para determinar cómo se encuentra la red de calidad hídrica de los ríos Torca y
salitre, se realizó una recopilación y revisión bibliográfica, donde principalmente se
tuvo como referencia:
Por parte de la red de calidad hídrica de Bogotá, se tienen series de datos de calidad
de agua establecidos para los ríos Salitre y Torca (de igual manera se tienen para
los ríos Fucha y Tunjuelo); la primera parte de este proyecto se basó en el
tratamiento de las bases de datos, las cuales, se depuraron para tener información
más confiable. Para ello se realizaron los siguientes pasos
36
las columnas correspondientes a los 10 parámetros que se tienen en cuenta
en los objetivos de calidad de agua de la ciudad (pH, oxígeno disuelto,
demanda biológica de oxígeno, demanda química de oxígeno, sólidos
suspendidos disueltos, grasas y aceites, coliformes fecales, nitrógeno total,
fósforo total y sustancias activas al azul de metileno). Para el río Torca solo
se utilizaron datos desde el año 2010 ya que en el año 2009, se tenían
establecidos otros puntos de monitoreo, que cambiaron en el año siguiente;
en el caso del rio Salitre se utilizaron todas las campañas entre 2009-2013
exceptuando la estación PTAR ya que solo tenía información para la
campaña 2009-2010.
ESTACIONID OBSERVACIONES
Las estaciones con las Para este campo se tienen las
que cuenta este río son: siguientes categorías:
RÍO
- Bosque de pinos, Calle
TORCA
161, Jardines de paz y - N/A: Hace referencia a la falta
San Simón de información del día de
37
Las estaciones con las medición.
que cuenta este río son: - Soleado.
RÍO Carrefour - AV 68, TV91, - Nublado.
SALITRE Alameda, Río Arzobispo, - Lluvia
Parque Nacional y Calle
53
Fuente: autores
5.2.1 ANÁLISIS PRELIMINAR
Cuando el análisis de Kruskal determina que los tratamientos (en este caso las
variables cualitativas evaluadas) no tienen la misma varianza, se procede a realizar
el test de pairwise wilcox, esta prueba sirve para determinar la diferencia inter-
grupos [54]. No todos los parámetros tienen la misma significancia con respecto a
todas las variables evaluadas, es decir, que no todas las variables influyen en el
cambio de concentración registrado por la red de calidad hídrica, y para ello, se
realizó este test. Para este trabajo con el nivel de significancia del 0.05, el cual indica
la probabilidad bajo la cual no hay efecto o diferencia de obtener un resultado
diferente al que se tuvo al inicio del estudio.
38
Posterior a ello se aplicaron los métodos previamente mencionados en el marco
teórico de este documento, para las técnicas se usaron los softwares: ArcMap
(ESRI) y R Studio. A continuación se explican los pasos de cómo se realizó el
análisis por medio de métodos estadísticos.
5.2.2 APLICACIÓN DE LOS MÉTODOS ESTADÍSTICOS
39
primeramente, reclasificar los datos originales, seguido de un entrenamiento
de neuronas, para así, poder predecir valores del caso de estudio. El
procedimiento de la red neuronal se llevó a cabo en dos pasos importantes,
primero el entrenamiento de la red, en donde se determinó (en la capa oculta)
el número de neuronas que ayudarían a calcular correctamente los pesos
finales correspondientes con cada una de las categorías de las variables
estudiadas. Para el entrenamiento, se generó una base de datos aleatoria
con el 70% de la información que se tiene para cada uno de los ríos.
40
6. RESULTADOS Y ANÁLISIS DE RESULTADOS.
En las tablas 5 y 6 se resumen los resultados arrojados por este test, en donde, la
significancia o no de un parámetro está dada por la siguiente simbología
Códigos de significancia: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Como análisis general, la prueba de Kruskal – Wallis arrojó que la variable estación
tiene un alto grado de significancia (p<0,05) para todos los parámetros, indicando
que esta variable afecta significativamente la variabilidad de la información. Para los
demás parámetros, dependiendo de su naturaleza, influenciarán ciertas variables,
por ejemplo para el río salitre, las variables que influyen en la concentración son
meses y observaciones en mayor medida, mientras que para el río Torca es
fundamental el variable año.
Tabla 5: Resumen de los resultados arrojados por la prueba Kruskal Wallis para el
río Torca.
41
DQO ** *** * ***
SAAM ***
Grasas y aceites *** * ** ***
Coliformes fecales *** . ***
Sólidos suspendidos
***
totales
Fósforo total *** *** ** *** ***
Nitrógeno total *** ** ***
Fuente: Autores.
Para el río torca, se ve en la tabla 5 que los parámetros sólidos suspendidos totales
y sustancias activas al azul de metileno dependen únicamente de la estación, esto,
se debe a que estos parámetros están fuertemente ligados con actividades
antrópicas ya que los vertimientos domésticos e industriales tienen sólidos
suspendidos totales y tensoactivos. Se aclara que los sólidos totales también se
generan por procesos de desgaste del suelo, y esto complementa la cantidad
generada por los vertimientos descargados directamente en el cuerpo de agua.
Tabla 6: Resumen de los resultados arrojados por la prueba Kruskal Wallis para el
río Salitre.
42
actividades, por ello, el test de Kruskal – Wallis considera que ninguna de las
variables aporta al cambio de coliformes fecales a lo largo del cuerpo de agua.
6.2 RESULTADOS DE LA PRUEBA PAIRWISE WILCOX.
PARÁMETROS ESTACIÓN ID
Jardines de Paz y Calle
pH 161
Jardines de Paz y San
Oxígeno disuelto Simón
Jardines de Paz y Calle
DBO5 total 161
Jardines de Paz y Calle
DQO total 161
sustancias activas al azul Jardines de Paz y Calle
de metileno 161
Jardines de Paz y Calle
Grasas y aceites 161
Sólidos suspendidos Jardines de Paz y Calle
totales 161
Jardines de Paz y Calle
Coliformes fecales 161
43
Jardines de Paz y Calle
Fósforo total 161
Jardines de Paz y San
Nitrógeno total Simón
Fuente: Autores.
Fuente: autores.
Para el Río Torca, como se ve en la tabla 7, las estaciones que mayor similitud
tienen son calle 161 y jardines de paz, teniendo en cuenta que son estaciones que
aunque espacialmente no se encuentren tan cerca, ambas están ubicadas en el
tramo dos del río, en donde hay más influencia antrópica en las descargas en el
canal (por parte de las zonas residenciales y comerciales).
Con respecto a las observaciones, para el río Torca no hay una condición climática
que influya más que otra ya que las medias no presentan cambios muy significativos
entre categorías. La categoría N/A para el parámetro de sustancias activas al azul
de metileno y oxígeno disuelto, es la más representativa, sin embargo, no es posible
determinar si la presencia o ausencia de la luz solar influye en el comportamiento
de las concentraciones.
Tabla 8: Resultados del test pairwise wilcox en donde se contrasta los parámetros
fisicoquímicos contra la variable “ESTACIONID” para el río Salitre.
PARÁMETROS ESTACIÓN ID
pH Alameda,TV91, calle 53
44
Oxígeno disuelto Carrefour, TV91
DBO5 total Alameda,TV91, calle 53
DQO total Alameda,TV91, calle 53
Sustancias activas al azul
de metileno Alameda,TV91, calle 53
Grasas y aceites Alameda,TV91, calle 53
Sólidos suspendidos Alameda,TV91, calle 53,
totales Carrefour
Coliformes fecales Calle 53
Fósforo total Alameda,TV91, calle 53
Nitrógeno total Alameda,TV91, calle 53
Fuente: Autores.
Fuente: autores.
Para el río Salitre, como se ve en la tabla 8, las estaciones Calle 53, Alameda y
TV91 tienen comportamientos similares con respecto a la variabilidad de las
concentraciones de los parámetros y por la dinámica geográfica que tiene el flujo
del canal, pues en estos puntos que se encuentran ubicados en los tramos dos y
tres se encuentran vertimientos industriales, domésticos y algunos ilegales
45
aumentando la concentración de algunos parámetros por lo que se puede dar su
similitud de datos.
Para ambos ríos, las variables mes y días, son variables que no presentan cambios
muy pronunciados en sus medias, es decir que no se puede inferir que medir en el
mes de enero los días viernes sea diferente a medir el mes de junio los días martes
ya que los resultados arrojan que no hay diferencia en los resultados obtenidos por
el periodo en el que se mida.
Este es un método de gráfica de datos que sirve para el contraste de variables [58].
En este caso, se usó para contrastar los parámetros físico-químicos versus las
variables de referencia que hayan sido relevantes en la comparación de pairwise,
para así, poder complementar con los resultados obtenidos en la fase anterior del
análisis de ANOVA.
El objetivo principal de llevar a cabo este procedimiento gráfico fue determinar cuál
es la relación preliminar (directa o indirecta) entre variables continuas [59]; la
generación de estos gráficos es un paso complementario a previos test para poder
complementar los análisis mostrados más adelante.
Gráfica 8: Scatterplot matrix de sustancias activas al azul de metileno y
fósforo total vs estación para el río Torca
46
Fuente: autores.
Gráfica 9: Scatterplot matrix de Fósforo total, Coliformes fecales y
Nitrógeno total vs estación para el río Salitre.
Fuente: autores.
En las gráfica 8 y 9, se establece la relación entre los parámetros sustancias activas
al azul de metileno y fósforo total, que para ambos ríos es un de las relaciones más
fuertes (directamente proporcional). Así mismo, los parámetros DBO y DQO
47
también tienen a tener un comportamiento directamente proporcional, más fuerte en
el río Torca. Para mayor información, revisar anexos.
Teniendo en cuenta los resultados arrojados para los parámetros sustancias activas
al azul de metileno y fósforo total la relación directamente proporcional se da en que
las sustancias activas al azul de metileno reaccionan en medios alcalinos con
componentes de los detergentes sintéticos, una de las principales fuentes
aportadoras de fósforo [58].
Así mismo se ve que para ambos ríos la relación más marcada se ve entre la DBO
y DQO, teniendo en cuenta que ambos parámetros están ligados por la cantidad de
oxígeno que quiere la materia orgánica (con compuestos químicos por las
descargas residuales y compuestos orgánicos en donde los agentes son las
baterías aerobias) para ser sintetizada.
Sin embargo, estos gráficos no pueden determinar una relación definitiva entre
parámetros, teniendo en cuenta que pueden existir factores externos a los
evaluados en este trabajo, que influyan en la relación que se da realmente entre los
parámetros fisicoquímicos y biológicos tratados en este estudio puesto que el
método de los scatterplots no detecta variables discretas.
6.4 ANÁLISIS JERÁRQUICO - DENDOGRAMA
48
Gráfica 10: Dendograma de los parámetros fisicoquímicos para el rí o
Torca.
Fuente: autores.
Gráfica 11: Dendograma de los parámetros fisicoquímicos para el río
Salitre.
49
Fuente: autores.
Al realizar la clasificación jerárquica en presencia del parámetro “coliformes fecales”
(como se ve en la gráficas 10 y 11), se denota que los demás parámetros no se
definen por sus diferencias y son clasificados como un gran clúster, lo que impide
establecer la relación entre ellos; este comportamiento puede darse por el recorrido
que hacen los ríos pues en algunos de sus tramos debido a la sedimentación y
carga orgánica existe mayor presencia de coliformes. Este parámetro es un
parámetro biológico que depende de la presencia de vertimientos domésticos (al
estar presente principalmente en excrementos humanos y animales) por lo que
estos resultados no presentan relación inicial con los demás parámetros, ya que los
coliformes fecales en particular dependen en tal caso de la dinámica poblacional de
la zona de estudio. Posterior a ello, cuando se realizó el análisis jerárquico sin el
grupo de coliformes fecales, ya se generaron más ramificaciones en los respectivos
dendogramas.
Fuente: autores.
50
Fuente: autores.
La relación pH y oxígeno disuelto, está dada entre otros factores por la temperatura,
ambos tienen una relación inversamente proporcional a este parámetro, teniendo
en cuenta que cuando la temperatura aumenta, se rompen las moléculas de agua,
liberando así iones de hidrógeno y oxígeno, el oxígeno sale por medio de
51
evaporación mientras que los iones de hidrógeno acidifican el agua. Por otro lado,
la relación entre los parámetros sustancias activas al azul de metileno y fósforo total
se da por la composición de los tensoactivos descargados a lo largo de los cuerpos
de agua (esto, teniendo en cuenta que ambos ríos relacionan estos dos parámetros)
contienen fosfatos en su composición.
A continuación se mostrarán los resultados del análisis discriminante para cada uno
de los ríos.
Gráfica 14: Diagramas de los respectivos grupos del análisis
discriminante para el río torca con respecto a las estaciones.
Fuente: autores.
Una de las variables que tiene mayor importancia a la hora de determinar la
fluctuación de los valores registrados por la red es la estación; para el río Torca, se
ve que la estación Jardines de paz se aglomera espacialmente junto a las demás
estaciones (gráfica 14), demostrando, que los resultados registrados por esta
estación son similares a la estación calle 161, y en casos específicos a la estación
San simón.
52
Gráfica 16: Plot de mosaico para el parámetro coliformes fecales versus
estación para el rio Torca
Fuente: autores.
53
Fuente: autores
En el caso del rio Salitre, la variable estación mostró alta significancia (gráfica 15),
demostrando que la estaciones 1, 2 y 6 (Alameda, Río Arzobispo TV 91) se
encuentran aglomeradas espacialmente en otras estaciones (Carrefour, Calle 53 y
Parque nacional).
Para el rio Salitre si se tuvo en cuenta la información del año 2009 la cual se clasifica
en su totalidad en el año 2011 según el método, pero en general no se estableció
que los datos pudieran variar entre años, de tal forma que permitiera determinar si
el dato pertenecía a un periodo de tiempo en específico, puesto que los datos de
los parámetros oscilan entre rangos definidos y no hay variaciones significativas
entre años.
54
Gráfica 17: Plot de mosaico para el parámetro sustancias activas al azul
de metileno versus estación para el río Salitre
Fuente: autores.
Explicando uno de los parámetros, se puede observar que el él plot mosaico para
el parámetro SAAM versus las estaciones (gráfica 17) se concluye que de las seis
estaciones, los datos se distribuyen tres de ellas (alameda, río arzobispo y AV68)
y que la estación parque nacional es la que mayor número de datos acoge.
Para la variable mes, en el caso de los dos ríos (Salitre y Torca), se denota que la
clasificación nueva tenía sus complicaciones, esto debido a que inicialmente se
especificó que no todos los meses del año poseían información de mediciones
realizadas por la red de calidad hídrica, lo que dificultaba tener un patrón de
referencia mensual para la nueva clasificación; en general, se ve que la mayoría de
la información se clasifica como realizada en los meses de septiembre, octubre y
noviembre.
6.6 ANÁLISIS GEOESTADÍSTICO
55
Gráfica 18: Mapa de las concentraciones de oxígeno disuelto para el
mes de febrero para el río Torca
Fuente: Autores.
56
Gráfica 19: Mapa de las concentraciones de pH para el mes de marzo
para el río Salitre.
Fuente: autores.
57
- pH
El pH es un parámetro que está en función de la temperatura y la profundidad del
cuerpo de agua, en este caso de un humedal (Juan Amarillo y Guaymaral – Torca),
que es un cuerpo lentico en donde se dan muchos procesos fisicoquímicos y
microbiológicos, la temperatura del cuerpo de agua aumenta, disminuyendo así los
niveles de este parámetro [60], de igual forma, los humedales se caracterizan por
ser ambientes con naturaleza silicia (pobres en caliza) los cuales mantienen pH
neutro o algunas veces cercanos a 6 (un poco más ácidos) [61]. En general este
parámetro siempre se mueve en el mismo rango (6,5-9,0).
En el rio torca, Los valores más altos se registran en la estación jardines de paz
puesto que esta estación se encuentra en el punto en que el canal de torca se
convierte en humedal, no hay valores atípicos en algún mes en específico. Se puede
apreciar en los mapas (revisar anexos) que este parámetro tiende a registrar los
mayores valores en la estación 3, Jardines de Paz, y después de ello, cuando el
efluente llega al humedal, el pH disminuye.
Para el rio salitre (ejemplo gráfica 19) se puede observar en los mapas que la
estación Av 68 es la que presenta los mayores valores en todos los meses, esto se
debe a que es una zona industrial, donde existe mayor carga de vertimientos; los
valores más bajos se pueden observar en la estación río arzobispo y parque
nacional pues están ubicadas en la cuenca alta donde el agua no ha recibido
grandes cargas de vertimientos, en la cuenca baja del rio se pueden observar los
datos más altos de pH en esta parte del rio por su descomposición anaerobia de
materia orgánica, hace que se genere una cantidad de ácidos grasos volátiles para
disminuir el pH del rio.
- Oxígeno disuelto
El oxígeno disuelto se encuentra en diversas concentraciones a lo largo de la masa
de agua, también se ve afectado por la temperatura (como el pH), la presión
atmosférica, el viento y procesos biológicos (fotosíntesis y respiración) [62].
Para el río torca (ejemplo gráfica 18), la concentración de oxígeno disuelto tiende a
disminuir a través de los meses medidos, esto en sí, es un comportamiento normal
de este parámetro, teniendo en cuenta que aguas abajo, se encuentra el humedal,
en donde se producen muchos procesos biológicos, en donde se consumen
grandes cantidades de oxígeno disuelto, así mismo, estos bajos niveles de oxígeno
disuelto pueden determinar qué tan contaminado está el cuerpo de agua [63].
Para el rio salitre se puede observar en todos los meses que a medida que el río
hace su recorrido, las concentraciones para este parámetro van disminuyendo, para
el oxígeno disuelto. La estación Av 68 es la que mayor variabilidad tiene en los
datos, ya que en este tramo medio del río se empieza a ver la disminución de
58
oxígeno disuelto puesto que los organismos anaerobios hacen presencia en el río
por la descarga residual del sector.
- Demanda biológica de oxígeno
La DBO sirve para determinar qué tanto oxígeno es requerido para degradar la
materia orgánica, cuando este parámetro se encuentra a niveles altos, indica que la
materia orgánica necesita de mayores cantidades de oxígeno para realizar los
procesos de degradación [64]. Este parámetro es inversamente proporcional al
oxígeno disuelto, por lo que, en los mapas, se ve que este parámetro aumenta
significativamente en la estación calle 161; en este punto se une el canal San
Cristóbal y más adelante al canal serrezuela, los cuales traen consigo grandes
cantidades de aguas de escorrentía provenientes de canteras [65]. Sin embargo,
los niveles no sobrepasan el límite permisible de la norma por lo que puede decirse
que es un cuerpo de agua medianamente contaminado. Para el rio salitre se puede
ver que las concentraciones más altas en todos los meses ocurren en el tramo 3 y
4 donde están las estaciones Av 68 y calle 53, ningún valor ha pasado el limite
normativo.
- Demanda química de oxígeno
La DQO es un parámetro que permite medir la oxidación de los compuestos
orgánicos e inorgánicos presentes en el agua [66]. Este parámetro está ligado con
la demanda biológica de oxígeno y siempre tiende a registrar valores mayores, ya
que se necesita más oxígeno para oxidar compuestos orgánicos que para la
demanda de organismos en un cuerpo de agua. Cuando los valores de DQO son
mayores indican un alto grado de contaminación, así como la DBO. Para el rio torca,
los niveles de DQO en el canal no sobrepasan los límites permisibles (salvo los
meses de mayo y julio que se registran valores atípicos) por lo que podría
considerarse como un cuerpo de agua medianamente contaminado.
Para el rio salitre se puede apreciar que la DQO tiene un comportamiento similar a
la DBO, en la mayoría de los meses se puede decir que los valores altos de la
concentración están en las estaciones Av 68, tv 91 y alameda, la última estación
(alameda) no tiene la mayor carga de concentración la tiene la estación Av 68, se
puede decir de esto que esta estación amortigua un poco la cantidad de materia
orgánica, este comportamiento no se da en el mes de agosto, donde alameda
presenta la mayor concentración y es el mes que no cumple con la normativa.
- Sólidos suspendidos totales
Los SST es la suma de todos los minerales, metales y sales disueltas en el agua,
las cuáles se dan por procesos antrópicos en donde se hagan intervenciones
directas en suelos [67]. No hay como tal un comportamiento fijo a través de los
meses para este parámetro en el río Torca, es decir que dependiendo de la época,
pueden variar las concentraciones de SST en cada punto medidos [61].
59
En general, las estaciones Calle 161 y Jardines de paz son las estaciones que
registran los valores más altos de sólidos suspendidos, esto teniendo en cuenta lo
mencionado anteriormente sobre la actividad de las canteras, y además de ello, que
en el tramo dos, se encuentra la entrada directa de otras quebradas y drenajes, que
traen consigo sólidos suspendidos, así como que en este tramo, se generen
vertimientos domésticos y/o industriales.
Para el parámetro de solidos suspendidos totales en el rio salitre, sin importar el
mes se puede decir que los mayores niveles de solidos se encuentran en las
estaciones Av 68, Alameda y Tv 91, en general se cumple la normatividad en este
parámetro, para las estaciones de Rio arzobispo y parque nacional los niveles son
bajos pues como en todos los parámetros a estar en la cuenca alta existen pocas
intervenciones antropogénicas, para este parámetro es fundamental que se trate de
que la cantidad de solidos suspendidos no se de en grandes cantidades para que
pueda llevarse a cabo el proceso de fotosíntesis.
- Grasas y aceites
Las grasas y aceites son compuestos de origen orgánico, ya que están constituidas
por sustancias vegetales y animales, así como también tiene hidrocarburos de
petróleo. Este parámetro puede producir acidificación en el agua, lo cual hace que
el nivel de pH del agua aumente, y así mismo impide que el CO2 se libere en la
atmósfera, disminuyendo los niveles de oxígeno disuelto en el cuerpo de agua en el
que esté presente [69].
Para el rio torca, en el parámetro grasas y aceites, en el mes de octubre, se ve que
hay un valor de 336, mientras que los demás datos oscilan entre 3,6 y 8. Se puede
concluir que ha sido un problema de digitación por parte del observador, ya que, en
esta zona (aguas arriba) no existen fuentes de contaminación conocidas, y menos
que se registre un valor tan grande en un solo día.
En general, las mayores se concentran entre la estación calle 161 y la estación
Jardines de paz, ya que el caudal del canal no es muy grande, el transporte de las
grasas y aceites toma su tiempo en llegar hasta el humedal, por lo que primero se
registran concentraciones altas en la estación cale 161 y cuando aquí bajan,
aumentan en jardines de paz, registrando la misma cantidad inicial, pero
adicionando la de los canales Serrezuela y El Redil.
Para el rio salitre, el parámetro grasas y aceites en la estación calle 53 se ve la más
alta concentración del parámetro, donde algunos de sus valores pasan el límite
permitido por la normativa, los valores se tienen un comportamiento similar en las
estaciones Rio arzobispo, Parque nacional, Av 68. En los años 2011 y 2013 los
valores son más altos que en los demás años,
- Sustancias activas al azul de metileno
60
El parámetro sustancias activas al azul de metileno está directamente relacionado
por las descargas de aguas domésticas e industriales al canal de los
establecimientos (colegios, universidades, empresas, restaurantes, entre otros) y
viviendas que se encuentran a lo largo de la cuenca del río Torca.
Así como en casos anteriores, este parámetro se encuentra en grandes cantidades
en el tramo dos, ya que es donde se realizan mayor cantidad de descargas
(teniendo en cuenta las puramente industriales), y así progresivamente las
concentraciones se estabilizan en un rango de 0,5 a 2,5 mg SAAM/L en el último
punto de registro, es decir, en el humedal, ya que al ser mayor el cuerpo de agua,
las cargas se disuelven, registrando menores cantidades.
Para el rio salitre las concentraciones se mantienen en los tramos uno y dos entre
(0,02 y 0,19 mg/L) pero en el tramo tres del rio se ve un aumento considerable (3
mg/L aproximadamente), en el año 2010 se ven las concentraciones más altas
respecto a los demás años.
- Fósforo total.
El fósforo total tiene dos tipos de fuente, la natural que se da por desprendimiento
de suelos y descomposición de rocas y la forma artificial, aportada por detergentes
y otras sustancias químicas usadas en la industrial. En general, para el rio torca,
ninguna de las estaciones cumple con los objetivos de calidad que se impone la
secretaría de ambiente, inclusive en el tramo 1, se registran concentraciones
mayores a los 0,2 mg/L que exige la norma, y a lo largo del tramo dos, las
concentraciones superan el miligramo por litro (1 mg/L) establecido. Esto, como
ocurre con las grasas y aceites y las sustancias activas al azul de metileno, se debe
a los vertimientos domésticos e industriales constantes que se realizan a lo largo
del segundo tramo del canal [61].
Para el rio salitre en las estaciones de la cuenca alta las concentraciones de fosforo
son bajas, en las estaciones Av 68 y calle 53 empiezan a aumentar, encontrando
concentraciones por encima de 2 mg/L, estas concentraciones se puede relacionar
a la descomposición natural del parámetro y a las descargas que se realizan en el
río a través de su recorrido. En estas últimas estaciones se puede decir que las
aguas se encuentran contaminadas.
- Nitrógeno total
El nitrógeno se encuentra en el agua gracias a dos fuentes, la antrópica que en esta
caso se da por vertimientos con excrementos y secreciones de orina (de animales
y humanos), así como en compuestos industriales como los fertilizantes (teniendo
en cuenta que al norte la ciudad hay muchos campos con especies vegetales que
solicitan un constante cuidado con este tipo de productos [68].
Para el río Salitre existe un comportamiento variable, ya que en las estaciones Rio
arzobispo y parque nacional tiene una concentración baja (promedio de 1 mg/L)
61
pero por la dinámica de este parámetro y sus proceso químicos relacionados, se ve
un aumento en la mayoría de los meses del parámetro en las estaciones Av 68,
Calle 53, Alameda, superando los 18 mg/L en esta parte del rio.
Para el rio torca, en general, las estaciones calle 161, jardines de paz y San Simón
registran valores que oscilan entre los 5 y 25 mg/L, ya que, gracias a los vertimientos
y los afluentes naturales al canal, llegan compuestos nitrogenados en todas sus
formas (mayormente en forma de nitritos y nitratos) que terminan en el humedal
concentrándose con nitrógeno que se encuentra depositados a lo largo del cuerpo
de agua por el ciclo natural del mismo.
El parámetro coliformes fecales está ligado con el nitrógeno total, teniendo en
cuenta que los desechos fecales son la principal fuente de la presencia de esto
organismos en el agua, además de que este grupo de organismos sobreviven fuera
del tracto gastrointestinal por las condiciones dadas en el ambiente en el que se
encuentran (humedad, pH, materia orgánica, entre otros) [69].
En general, se ve que en todas las estaciones del tramo dos se superan las
concentraciones permisibles establecidas en los objetivos de calidad de la
secretaría de ambiente (1,0E5), y como se explicó anteriormente, todo se debe a
los vertimientos de aguas domésticas e industriales. Para el rio torca a lo largo de
los meses de medición, se ve que las variaciones de coliformes fecales se
mantienen en el rango del número más probable de 1,0E5 a 1,0E7, exceptuando
valores atípicos registrados en los meses de febrero y agosto. Además, se ve como
las concentraciones disminuyen (aunque no en gran medida) en el humedal, debido
al área de cuerpo de agua, agregando también que ahí hay presencia de
organismos y seres vivos que igual aportan coliformes fecales al agua. En el rio
salitre, el parámetro no tiene una tendencia fija, tiene una gran variabilidad, en el
mes de octubre se ve la mayor concentración registrada por la red de calidad
hídrica; este parámetro al igual que en el rio torca no cumple con la normativa en la
mayoría de sus datos.
Hay un fenómeno en el río Salitre, pues las concentraciones más altas para muchos
de los parámetros se da entre calle 53 y AV68, pero cuando pasan por la estación
TV91 tienden a disminuir. Por ello, aunque las estaciones se parezcan entre sí, es
fundamental conservar estos puntos de monitoreo.
Los respectivos mapas utilizados para el análisis de esta sección se encuentran en
los anexos.
6.7 RED NEURONAL ARTIFICIAL
62
Por último, se implementó el algoritmo de una red neuronal artificial, con el
propósito de analizar la información y así, generar nuevas clasificaciones para las
variables estación, mes, año y observaciones
- Río Torca
Gráfica 20: Red neuronal artificial de los parámetros fisicoquímico y
biológicos versus la estación para el río Torca.
1 1. 1
61
pH 1. 7 16
0. 48 1 5
27
1.
0-01..4.18264136297 0-101..8606572 6 -101..09050
64
42
8 99 0. 99
01 7977 .27 8 5491
69
9 99
1.242
73
DO
-0-0..3386 85
1.0
1.1 BosqueP
.24 95 3
11
04
275
18 9
75
1
85
. 15
2 2 64
1 6 41
-1 .0
7
BOD 2.438 41
0.4 -0 .
79
87
85
0.87
4 72
67
5 428 -11.023
.27 4 157 -1 .0.5.019021 -2 .6.12 4
0.60
0. 9 .10 9
1.
9
96
COD
8
52
2
26
1
8
1. 12 99
57
9
5 44 9
79
.7
1 Calle161
25
.91 --11
-0
37 0.071 21
8 8 16
.
-0
2 115
23
TDS -0 .68 -0
.28
55 5
-0 .
0.5
08 529 .00 7 1326 .585 4678 -3 .461057069 .78804 5
69
9
0.293
28
3075 2
03
-0
40 14 0.866
91
2
21.
.
1 1 82
-0 2
2
47
13
1.
82
31 -0 .24 659
0.3
16 Jardines
16..1
2 4
-0
95
2 51
1.026 8
-9 .0
.2
71 503
17
MBAS
14 25
5.80
7
55
0-0.0.79
65
1 784 5
001-1..529.62397697 002-0..85.3052131 -081.45134
25
9
8
2.
09 28
91
-0 .
-0 .60 42
.3
26
-6
Phosphorus -0.29 696 0.5
00 1
00 8
1.5 6
2.062 49
1
23
3
4536
00...144386 72
91 3
30
5
. Ssimon
22
- 1
Faecal_coliform 2.776
51
24
11 -0 .55
971
0. .20 474
Nitrogen -2
63
calle161 0 2 0 0
Jardines 0 17 10 12
Ssimon 2 0 0 0
Fuente: autores.
Para la estación Torca, se realizaron 3 pruebas para las cuatro variables de estudio,
en donde se obtuvo que la mejor clasificación para la estación fue la obtenida en el
primer intento (gráfica 20), en donde se tenían en cuenta todas las estaciones; esta
clasificación arrojó que la mayoría de los datos (69% del total de la muestra del test
de la red) pertenecían a la estación Jardines de Paz (tabla 11). Para los otros
intentos, solo se tienen en cuenta las estaciones bosque de pinos y jardines de paz.
Jardines de paz es la estación que se encuentra en el punto de entrada de afluente
al humedal de Torca y Guaymaral.
En los métodos usados anteriormente, se estipuló que la estacón Jardines de Paz
era la estación que al presentar similitudes con calle 161 y san simón, era la que
podría no tenerse en cuenta para la optimización. Sin embargo, los resultados de la
red neuronal establecieron que a pesar de presentar similitudes, es una estación
que registra valores con mayor rango de variabilidad.
Para la variable año, en las repeticiones del algoritmo se determinó que la
información de la muestra del test de la red neuronal, pertenecía en su mayoría al
año 2011 (comportamiento que se evidenció en las tres reproducciones del código).
En definitiva, coincide con el registro de datos original de la red de calidad hídrica,
ya que el año en donde se realizaron mayores registros por parte de la red fue en
el año 2011.
Esto demuestra que la cantidad de datos puede hacer que la red neuronal arroje
resultados más precisos, puesto que no se realizarían sesgos tan pronunciados si
todos los años tuvieran la misma cantidad de registros.
Para la variable observaciones, se determinó que las mediciones por parte de la
RCHB se realizaron en dos condiciones climáticas (soleado y nublado), sin
embargo, es en la condición “nublado” en donde se clasifica la mayoría de los datos
de la muestra del test de la red neuronal en las tres réplicas del código. En los
métodos aplicados a lo largo de este estudio, se evidenció el mismo comportamiento
con respecto a esta variable, ya que predominaban en los registros de los
observadores que generaron la base de datos de la red de calidad hídrica. Se tiene
en cuenta que el campo “N/A” estaba sujeto a que el observador no registro la
condición del día, por ello, la semejanza de los datos registrados bajo esta condición
fácilmente son clasificados en las dos grandes categorías “soleado” y “nublado”.
La variable mes presentó problemas a la hora de correrse el código, ya que se
tuvieron que llevar a cabo seis intentos, de los cuales 3 arrojaron resultados,
mientras que los otros tres no concluían el proceso de intercepto entre capas. Sin
64
embargo, los resultados arrojaron que las mediciones de la red de calidad hídrica
se clasifican en los meses de agosto, septiembre y octubre. Esto da a entender que
esta época (meses más fríos) son los que dan la variabilidad de la información y en
los que es clave realizar mediciones y ahorrar costos a la hora de elegir la frecuencia
de medición, esto concuerda con la información aportada por la clasificación de la
variable observación, en donde la condición “nublado” es la de mayor relevancia,
por lo que es importante medir en aquellos meses en donde el clima de la ciudad
sea frío.
- Río Salitre
Gráfica 21: Red neuronal artificial de los parámetros fisicoquímico y
biológicos versus la estación para el río Salitre.
Fuente: autores.
65
Tabla 12: Resumen de los resultados arrojados por la red neuronal para la
reclasificación de datos en las estaciones del río Salitre.
Carrefour
Prediction
Alameda Calle 53 - AV68 ParqueN Rio Arz. TV91
Carrefour -
AV68 0 0 0 2 0 0
ParqueN 18 19 16 17 23 17
Rio Arz. 0 0 0 3 0 0
Fuente: autores.
En el caso del río Salitre, se realizaron 6 intentos de los cuales se presenta la misma
tendencia, dando por resultado que la información es clasificada en 3 de las
estaciones originales: Parque Nacional, Carrefour - AV68 y Rio Arzobispo, siendo
las estaciones donde se reclasifican el 70% de los datos originales, pudiendo ser
estos los valores ideales y la clasificación más eficiente que encontró el programa
(gráfica 20 y tabla 12), las otras tres estaciones que no entran en la nueva
clasificación Alameda, calle 53 y TV 91 pueden presentar valores similares, como
se ha visto en los métodos anteriores, lo que comprueba que las metodologías
implementadas anteriormente coinciden en los resultados arrojados para la variable
estación.
Con respecto a los años, solo se realizaron dos intentos pues arrojo el mismo
resultado, esta clasificación no cuenta con los años 2009 y 2013, pues son los años
que menor información presentan, se puede ver que el año 2009 clasifica su
información en 2010 y 2012, el 2010 en los años 2010 y 2013, esto sucede ya que
el programa ajusta las clasificaciones a la calidad de los datos organizándolos
donde mejor se agrupan. Esta variable no aporta gran significancia al estudio en el
rio salitre.
Para la variable observaciones, la metodología de la red neuronal nos afirma que
en su nueva clasificación, la información de la muestra del test se agrupan en
nublado y soleado, donde aporta en gran medida al estudio pues las otras
metodologías excluyen en sus resultados, lluvia o vacío (entendido como N/A en el
estudio). Se deduce entonces que si la muestra se toma un día lluvioso o nublado,
está en la mayoría de los casos la clasificará como Nublado, el día que se toma la
muestra siendo soleada se clasifica al 100% en la misma categoría, sin clasificarla
en otro grupo, la información vacía (N/A) o que no fue registrada se clasifica en
nublado.
Por ende, como se dedujo para el río Torca, los días nublados serán claves para
realizar las mediciones pues es esta condición climática la que da más variabilidad
a las concentraciones de los parámetros fisicoquímicos y biológicos.
66
Para la variable meses donde se realizaron tres intentos, se puede ver que la
información se clasifica en general en el último trimestre del año (octubre, noviembre
y diciembre), donde la mayoría de datos se organizan en el mes de noviembre, esto
se puede dar a que es el trimestre del año donde más se registra información, pues
el estudio para la RCHB no tomo la misma cantidad de muestras todos los meses,
lo que puede alterar el resultado. Estos resultados concuerdan en parte con los
resultados del río Torca, en donde se demostró que medir en el último cuatrimestre
del año se puede registrar mayor variabilidad de los parámetros que se están
midiendo, y así, ahorrar costos para no tener que medir todo el año.
67
7. PROPUESTA DE MEJORA
Para la optimización de una red de calidad hídrica deben tenerse en cuenta tres
puntos fundamentales:
Puntos de muestreo
Frecuencia de monitoreo
Parámetros que se medirán.
Los parámetros en este estudio están establecidos por El Decreto 5731 de 2008,
por lo cual debe establecerse el mínimo de 10 parámetros, pero, para un estudio
más amplio se podrían tener en cuenta parámetros como temperatura, caudal u otro
de los 34 parámetros registrados en los monitoreos pasados para este estudio.
La frecuencia de monitoreo representa un costo elevado por los recursos que esta
requiere, donde la red de calidad hídrica debe enfocarse en la importancia de la
calidad y cantidad de datos, por ello, para determinar el día de medición, teniendo
en cuenta que según el método de Kruskal Wallis, se establecieron los días de
medición teniendo en cuenta el rango de variación de las concentraciones de los
parámetros (días en donde se registran valores que se alejan de la media de
concentración) y la cantidad de información que existe de cada día de medición, ya
que, esto determinará el comportamiento que tiende a tener el parámetro en los
puntos de monitoreo.
Días de medición
Río Río
Salitre Torca
Miércoles Lunes
Viernes Miércoles
Sábado Sábado
68
Meses de medición
Río Salitre Río Torca
Febrero Marzo
Octubre Septiembre
Noviembre Octubre
Diciembre Diciembre
Dos semanas de cada uno de los meses mencionados anteriormente, con dos
muestras diarias compuestas (duración de dos horas) para cada punto, de 6:00 a.m
a 8:00 a.m y de 4.00 p.m a 6:00 p.m, esto teniendo en cuenta las condiciones de
inseguridad que se dan al medir en horas de la madrugada (como se hacía
anteriormente) sin tener variaciones significativas en las concentraciones
registradas.
La mayor cantidad de datos anuales (192 datos para el río Torca y 240 para el río
salitre) permitirá tener mayores registros para alimentar la red neuronal artificial y
así codificar con instrucciones más rigurosas el algoritmo, obteniendo resultados
aún más puntuales.
Los puntos de monitoreo del estudio son 4 estaciones para el río Torca y 6
estaciones para el río salitre y después del desarrollo del estudio, se consideró que:
69
Al verificarse las metodologías sobre la información obtenida de la RCHB, se puede
decir que se necesitan otros factores para mejorar el análisis de datos, como la
estimación de cargas de los vertimientos realizados a lo largo de los ríos Torca y
Salitre, ya que se necesitan conocer en algunos tramos las descargas permanentes
que se generan para un análisis más profundo, y con ello el estudio arrojaría
resultados que aporten a determinar mejor la calidad del agua si se hacen estudios
de estos vertimientos1.
1
el cual estudia la frecuencia acumulada de los datos históricos de flujo durante un periodo determinado.
Una curva de caudales relaciona los valores de caudal con el porcentaje de tiempo en que esos valores se
han alcanzado o excedido. [73]
70
8. RECOMENDACIONES
71
9. CONCLUSIONES
A lo largo del desarrollo del proyecto, se concluyó que la variable mes no aporta
significativamente a la variabilidad de los datos registrados. Sin embargo, teniendo
en cuenta el carácter bimodal del clima en la ciudad de Bogotá, es importante tener
en cuenta meses representativos de cada época (temporada seca (febrero, marzo
y diciembre) y meses en temporada fría (septiembre y octubre).) a la hora de
plantear la continua mejora de la red de calidad hídrica. La variable día así mismo,
para ambos ríos, no influye directamente en el cambio de concentraciones de los
parámetros fisicoquímicos y biológicos, pero para establecer la frecuencia, por
medio de los boxplot se pudo determinar qué día podría ser clave la medición.
El río Salitre con la ayuda de las metodologías planteadas para ahorrar costos, y
tiempo; podría sólo tener en cuenta cinco de las seis estaciones establecidas,
dejando como referencia las estaciones Río arzobispo (estación fija),
Parque Nacional, Carrefour AV 68, Alameda (estación fija) y tomar una de las dos
que tienen similitud de datos, Calle 53 o TV91, pues estas estaciones son ubicadas
en zonas residenciales por ende aportan una información parecida.
Para el río Torca se dedujo que de las cuatro estaciones con las que cuenta, la
información de la estación Jardines de paz es muy similar a la registrada por la
estación Calle 161 y San Simón, por temas de cercanía entre puntos de muestreo.
Sin embargo, no se puede considerar la eliminación de esta estación ya que es un
punto clave del trayecto del río, puesto que allí es donde el río torca y el humedal
72
de Torca y Guaymaral convergen; además, el río Torca en el año 2009 contaba con
solo 3 estaciones, las cuales no lograban registrar de la manera más óptima, por
ello, se consideró la implementación de otra estación.
Para el río Torca, al momento de realizar las interpolaciones, se usó el método IDW
ya que con el método Kriging las interpolaciones no tenían en cuenta los rangos
establecidos y salía una imagen unicolor; esto podría ser porque no se tiene gran
cantidad de puntos de muestreo, así como el distanciamiento entre puntos que no
es muy grande. En el caso del rio salitre al contar con mayores puntos de muestreos
fue posible usar el método Kriging y IDW, los cuales mostraron similitud.
73
de la información de entrada que el programador aporta así como la flexibilidad a
la hora de entrenar el algoritmo. En conclusión, la red neuronal artificial arrojó una
buena clasificación, que para cuando se tenga más información de las mediciones
de la red de calidad hídrica, el programa pueda tener instrucciones más complejas
de clasificación y así obtener clasificaciones aún más acertadas. Para este estudio
función la red neuronal artificial con los comandos más básicos, arrojando
resultados que se asemejan al análisis lineal de discriminantes, con menos sesgos
entre interacciones.
Así mismo, se comprobó que las metodologías empleadas en el estudio de los ríos
Fucha y Tunjuelito para la optimización de la red de calidad hídrica de Bogotá
(análisis clúster, análisis lineal de discriminantes, análisis geoestadístico)
funcionaron adecuadamente con los datos del presente estudio, interpretando que
son eficientes para la optimización de la red hídrica del río.
74
BIBLIOGRAFÍA
[1 Universidad Fransisco jose de Caldas. (2015) Universidad Fransisco jose de
] Caldas. [Online].
https://www.udistrital.edu.co/universidad/colombia/bogota/caracteristicas/
[4 Ericka Johanna Díaz Mendivelso, Mauricio Ruíz Flores, and Jennifer Alejandra
] Suárez Silva, "Aguas residuales del río Salitre, como una cuestión
sociocientífica para el fortalecimiento del pensamiento crítico en docentes en
formación inicial," Bogotá D.C, 2014.
75
[1 Kijin Nam, "Optimization of Paths and Locations of Water Quality Monitoring
1] Systems in Surface Water Enviroments," Georgia, 2008.
[1 Agustín Alejandro Moreno Tovar, Mauricio Toro Botero, and Luis Fernando
2] Carvajal, "Revisión de criterios y metodologías de diseños de redes para el
monitoreo de la calidad del agua en ríos.," Medellín, 2008.
76
[2 Autoridad Nacional del Agua - DGCRH, "Protocolo de Monitoreo de la Calidad
4] de los Recursos Hídricos ," Lima,.
[2 Jardín Botánico José Celestino Mutis, "Proyecto No. 410 PEL: COMUNIDAD
7] REALIZACIÓN DE ACCIONES DE SENSIBILIZACIÓN A LA ENTORNO AL
CUIDADO DE LA CUENCA DEL RÍO SALITRE," Bogotá D.C,.
[3 Ellie Marie López Barrera, Ángela María Plata Rangel, and Milena M Fuentes
1] Cotes, Humedal Torca-Guaymaral: Iniciativas para su conervación. Bogotá
D.C: Fondo de Publaciones Universidad Sergio Arboleda, 2015.
77
[3 Universidad de Granada, "Ejemplos de Análisis Clúster ," Granada,.
4]
78
[4 Pol A. Palmer and J. Montaño Moreno, "¿Qué son las redes neuronales
5] artificiales? Aplicaciones realizadas en el ámbito de las adicciones,"
ADICCIONES, vol. 11, no. 3, p. 14, 1999.
[4 Sorin Vlad, "On the prediction Methods Using Neural Networks," Suceava,
8] 2005.
[4 Archana Sarkar and Prashant Pandey, "River Water Quality Modelling using
9] Artificial Neural Network Technique," Uttarakhand, 2015.
79
[5 Antony Unwin, Graphical Data Analysis with R.: CRC Press, 2015.
7]
[6 Adam Sigler and Jim Bauder, "Well educated: educación en el agua de pozo,"
6] Universidad Estatal de Montana, Bozeman, Documento informativo.
[6 Gloria Lucía Cárdenas Calvachi and Iván Andrés Sánchez Ortiz , "Nitrógeno en
8] aguas residuales: orígenes, efectos y mecanismos de remoción para preservar
el ambiente y la salud pública," Universidad y Salud, vol. XV, no. 1, 2013.
80
[6 Ciencia y Tecnología para el Desarrollo, "Indicadores de contaminación fecal
9] en aguas," Texmelucan, 1996.
[7 Antonia Guillén Serra, Ágata Carreño Serra, and Neus Canal Díaz, "Fases del
1] análisis estadístico de los datos de un estudio," Bogotá,.
[7 Canadian Water Quality Guidelines for the Protection of Aquatic Life, "CCME
3] WATER QUALITY INDEX 1.0 User’s Manual," Alberta, 2001.
81