Un mapeo sistemático sobre predicción de calidad del agua mediante técnicas de inteligencia computacional

Abstract

Due to the renewable nature of water, this resource has been treated and managed as if it were unlimited; however, increase the indiscriminate use has brought with it a rapid deterioration in quality; so as predicting water quality has a very important role for many socioeconomic sectors that depend on the use of the precious liquid. In this study, a systematic literature mapping was performed about water quality prediction using computational intelligence techniques, including those used to calibrate predictive models in order to improve accuracy. Based on research questions formulated in the systematic mapping, a gap is identified oriented to creation of an adaptive mechanism for predicting water quality that can be applied in different water uses without raised the accuracy of the predictions is affected.

Assessment of semantic similarity in entities under monitoring: A systematic literature mapping

“…The subject of semantic similarity of entities, feasible of monitoring under a real-time decision-making process, is not a common or frequent aspect. However, the application of systematic mapping in machine learning and data mining is not new, for example, the systematic mapping has been applied in process mining [15], missing values techniques in software engineering data [16], machine learning applied to software testing [17], data quality based on computational intelligence techniques [18], among others.…”

Contradicción no incorporada en protocolos ambientales sobre monitoreo histórico con biomonitores acuáticos

“…Escala (impacto) temporal de la contaminación sobre el ecosistema acuático Fuente: Argota (2017, p. 16) Ante las apreciaciones anteriores, los problemas sociales siguen siendo contradictorios, pues la medición de los parámetros físico-químicos y microbiológicos no dimensiona las respuestas ecotoxicológicas y por tanto, no arroja total seguridad ambiental de tal modo que, otras herramientas requerían ser incorporadas. En tal sentido, el uso de índices (López, Figueroa & Corrales, 2016), creación de modelos computacionales (Chapman & Riddle, 2003;Patlewicz & Fitzpatrick, 2016) y análisis por bioensayos (Darrigran, Pereyra & Rossini 2012;Fahd et al, 2014;Hedayati & Sadeghi, 2014) se han incorporado, pero dichas herramientas de forma independiente, limitan las interpretaciones sobre la calidad ambiental y económica sostenible de los recursos acuáticos.…”

Modelación matemática para el ajuste óptimo predictivo sobre el riesgo ecotoxicológico generado por el software multifuncional GECOTOXIC

“…Se ha considerado que para la optimización del riesgo ecotoxicológico, lo que se concibe mediante el uso de otros modelos informatizados e índices ecológicos (Mirror, 2015;López, Figueroa, & Corrales, 2016), así como mantener la realización de bioensayos, en condiciones controladas, donde el riesgo es igual al daño potencial por la exposición y ello, depende de la cuantificación con respecto al efecto toxicológico, expresión sobre la toxicidad formulada en términos de dosis, concentración y efecto letal para el 50% de los individuos, valor máximo aceptable de concentración del tóxico, nivel más bajo de efecto observable (LOEC) y finalmente, el nivel más bajo de concentración no observable (NOEC) (Iannacone & Alvariño, 2003;Pereyra, Rossini & Darrigran, 2012;Sadeghi & Hedayati, 2014).…”