Resumen
Ante un escenario donde el recurso agua es limitado y con una sociedad que la demanda cada vez con más garantías, la ingeniería es exigida a desarrollar técnicas y metodologías eficientes para asegurar que el vital líquido
sea entregado en óptimas condiciones de calidad y cantidad a los usuarios domésticos, comerciales e industriales que conforman el conjunto de abonados de una ciudad. Cada tipo de usuario demanda el agua en
diferentes escalas temporales y de cantidad, pero el conjunto de ellos consumiendo agua a la vez generan la demanda global de una ciudad.
Los operadores de los sistemas de abastecimiento y distribución de agua potable están obligados a gestionar sus operaciones de tal manera que el conjunto de abonados cuente con el servicio en el momento que lo demanden.
La experiencia que acumula el personal de operación se vuelve fundamental para que este objetivo se cumpla ya que son capaces de predecir con gran precisión las demandas futuras.
En las búsqueda de predicciones con un fundamento matemático y estadístico sólido, hemos desarrollado este trabajo en el cual se han revisado las metodologías más destacadas que se han utilizando a lo largo de las últimas
décadas para modelar y predecir la demanda de agua urbana en áreas densamente pobladas, encontrando que los modelos estocásticos del tipo ARIMA son la base de las principales metodologías. Sin embargo, encontramos
también que los modelos existentes están desarrollados y pensados para ciudades en las cuales la demanda presenta un patrón con poca variabilidad a lo largo del ciclo anual y que solo es alterado principalmente por
componentes climáticas y meteorológicas. Este no es el caso de muchas de las ciudades europeas, españolas y mediterráneas, que presentan una gran variabilidad derivada de patrones sociológicos y donde las componentes climáticas
son poco relevantes. Esta variabilidad es generada por eventos puntuales que perturban el proceso de demanda y que cuando ocurren alteran los patrones repetitivos esperados. La ignorancia de este tipo de eventos en
un escenario de predicción a corto plazo de la demanda mediante modelos estocásticos, resulta primero, en predicciones erradas para el momento de la ocurrencia de un evento perturbador puntual, y segundo, en predicciones
distorsionadas hasta un determinado orden después de la ocurrencia del evento. Es esperable pues, que la ignorancia de este tipo de eventos disminuya la eficiencia de los modelos estocásticos.
A lo largo de este trabajo, se aplicó también la metodología de las redes neuronales para evaluar su eficiencia para modelar y predecir la demanda de agua. Su desempeño es comparado con los modelos antes mencionados, encontrando que es posible obtener resultados muy similares con ambas
metodologías, aún y cuando sus postulados parten desde puntos muy diferentes.
En este trabajo de tesis se propone una metodología para incorporar implícitamente en un modelo estocástico de predicción, el conjunto de eventos sociológicos perturbadores del proceso de demanda. La metodología es
probada en un caso real para la ciudad de Valencia, España, encontrando que se consigue mejorar los resultados de las predicciones que obtienen tanto los modelos ARIMA como las redes neuronales. Se obtienen unos errores
que están muy cercanos a un ruido blanco con una menor varianza residual, lo cual nos indica que la metodología propuesta capta tanto la variabilidad sistemática de la serie, así como la variabilidad irregular generada por los
patrones sociológicos.
El esquema de predicción propuesto ha mostrado ser una buena herramienta para realizar predicciones de la demanda de agua a corto plazo para el caso analizado y que podría ser fácilmente implementable en un
sistema que opere en tiempo real.