Sistema de control y prevención de contaminantes en aguas mineromedicinales mediante inteligencia artificial (Aquapred sudoe)

• Lourdes Mourelle ^[1] ; Elena Hernández-Pereira ^[2] ; Daniela Correia ^[7] ; Francisco Maraver ^[3] ; Maria J. Alves ^[4] ; Odile Eloy-Tran Van Chuoï ^[5] ; Lidia Casás ^[6] ; Laurence Delpy ^[8] ; Miguel A. Fernández-Torán ; Ignacio Cortés-Moro ; José L. Legido ^[1]
  1. [1] Universidade de Vigo

     Universidade de Vigo

     Vigo, España

     
  2. [2] Universidade da Coruña

     Universidade da Coruña

     A Coruña, España

     
  3. [3] Universidad Complutense de Madrid

     Universidad Complutense de Madrid

     Madrid, España

     
  4. [4] Instituto Politécnico de Bragança

     Instituto Politécnico de Bragança

     Bragança (Sé), Portugal

     
  5. [5] University of Bordeaux

     University of Bordeaux

     Arrondissement de Bordeaux, Francia

     
  6. [6] University of Pau and Pays de l'Adour

     University of Pau and Pays de l'Adour

     Arrondissement de Pau, Francia

     
  7. [7] AquaValor - Centro de Valorização e Transferência de Tecnologia da Água, Chaves
  8. [8] AQUI O Thermes, cluster thermal Nouvelle-Aquitaine

  Mostrar afiliaciones +
• Localización: Investigación: cultura, ciencia y tecnología, ISSN 1889-4399, Nº. 32, 2024, págs. 10-14
• Idioma: español
• Enlaces
  • Texto Completo Ejemplar
• Resumen

  • AQUAPRED SUDOE es un proyecto multiterritorial, multidis- ciplinario e interdisciplinario de física, medicina, farmacia, química, biología e informática enfocado a la monitorización y control del agua termal/mineromedicinal de los balnearios y a la predicción de contaminantes basándose en la digitalización de los datos en tiempo real de los parámetros fundamentales del agua mineromedicinal.

    El proyecto determinará los parámetros fundamentales de las aguas termales, así como sus rangos de fluctuación en el agua termal dentro de una instalación termal; también se estudiará su influencia en la seguridad terapéutica y la calidad del agua y posibles modelos de relación.

    Adicionalmente, se establecerá en el proyecto un modelo de hidrobioma de las aguas termales y se asociará a sus propie- dades terapéuticas.

    Para la implementación del proyecto, se desarrollarán e ins- talarán sistemas piloto de toma de datos en tiempo real en balnearios de la zona SUDOE, en los que se monitorizarán los parámetros, utilizando dispositivos diseñados especialmente para la función, para su posterior digitalización y análisis.

    Durante este proceso, se desarrollará un sistema inteligente que, en base a esos datos, permita realizar un control sobre los elementos de tratamiento del agua (desinfectantes…) y un modelo de aprendizaje automático que permita predecir la posibilidad de aparición de contaminantes en dichas aguas (microorganismos).

    Se aplicarán también, en base a los datos capturados, modelos de eficiencia energética que optimicen el consumo y permitan reducir su demanda.

• Referencias bibliográficas
  • Alén, E.; Rodríguez, L. Evaluación de la calidad percibida por los clientes de establecimientos termales a través del análisis de sus expectativas...
  • Maraver, F.; Vázquez, I.; Armijo, F. Vademécum III de aguas mineromedicinales españolas. Ed. Universidad Complutense de Madrid (2020).
  • Domahidi, I.; Csiszer, A.; Buksa, C.; Jeszenszy, K.; Tarcea, M.; Butiurcă, Z.; Menyhart, E.; Oroian, M.; Vitalyos, O.; Fărcaş, O.; Palcu,...
  • Paduano, S.; Valeriani, F.; Romano-Spica, V.; Bargellini, A.; Borella, P.; Marchesi, I.; Microbial biodiversity of thermal water and mud in...
  • Rice, E. W.; Baird, R. B.; Eaton, A. D. (editors). Standard methods for the examination of water and wastewater. 23rd edition. Washington...
  • UNE Normalización Española. UNE-EN ISO 11731:2017. Fecha de acceso: abril 2021. Disponible en: https://www.une.org/encuentra-tu-norma/buscatu-norma/norma?c=N0059300.
  • Basu, S.; Meckesheimer, M. Automatic outlier detection for time series: an application to sensor data. Knowl. Inf. Syst. 11, 137-154 (2007)....
  • Alghawli, Abed. Complex methods detect anomalies in real time based on time series analysis. Alexandria Engineering Journal, vol. 61, 2021,...
  • M. Mehdi; Owrang, O. Database Systems Techniques and Tools in Automatic Knowledge Acquisition for Rule-Based Expert Systems, Editor(s): Cornelius T....
  • Knowledge-Based Systems, Academic Press, 2000, pp. 201-248, https://doi. org/10.1016/B978-012443875-0/50009-4.
  • Tu Bao Ho. Knowledge Discovery from Unsupervised Data in Support of Decision Making, Editor(s): Cornelius T. Leondes, Knowledge-Based Systems,...