Estimación de la demanda bioquímica de oxígeno (DBO) en fuentes hídricas usando inteligencia artificial

Abstract

La Demanda Bioquímica de Oxígeno (DBO₅) es el principal indicador de carga orgánica biodegradable en cuerpos hídricos y plantas de tratamiento de aguas residuales. Sin embargo, su determinación convencional requiere cinco días de incubación y presenta limitaciones operativas que restringen su uso para monitoreo oportuno y toma de decisiones en tiempo real, especialmente en contextos con restricciones logísticas y presupuestales. Este trabajo tuvo como objetivo desarrollar un sistema basado en inteligencia artificial para estimar la DBO a partir de parámetros fisicoquímicos y microbiológicos de medición rutinaria. La metodología comprendió la consolidación y depuración de una base de datos multivariada internacional con más de 1,7 millones de registros históricos, el preprocesamiento y selección de variables, el entrenamiento de un modelo de clasificación multiclase XGBoost con balanceo SMOTE, y la implementación de una interfaz tipo sensor blando. La DBO fue discretizada en cuatro categorías de calidad del agua (Excelente, Buena, Moderada y Contaminada). El modelo alcanzó una exactitud global cercana al 71,2 % y un F1-score macro aproximado de 0,49, mostrando mayor desempeño en la clase “Buena” y capacidad moderada para identificar condiciones “Contaminadas”. Los resultados evidencian que el enfoque clasificatorio es adecuado en escenarios de alta heterogeneidad y desbalance de clases. Se concluye que el sistema desarrollado constituye un sensor blando con nivel de madurez tecnológica TRL 4–5, capaz de complementar el ensayo DBO₅ y reducir significativamente el tiempo de disponibilidad de información para la gestión de la calidad del agua. Su escalamiento requiere validación con datos regionales.