Monitoreo de aguas subterráneas utilizando modelos genéticos

Abstract

Una adecuada gestión de las aguas subterráneas implica necesariamente el diseño de un buen modelo conceptual. Esto requiere diferentes especialidades de las ciencias de la ingeniería, que van desde el geólogo o especialista en geotecnia, que realiza las prospecciones de suelos; el especialista en hidrología, que determina la recarga en función del respectivo análisis de frecuencia, tipo de suelo, superficie de la zona de estudio; hasta el hidrogeólogo, encargado de concebir, determinar y analizar las diferentes variables que comprenden el acuífero y su entorno. Asimismo, es necesario un monitoreo continuo de la carga hidráulica en diferentes puntos de la zona de estudio. La carga hidráulica de los acuíferos se monitorea manual o automáticamente mediante equipos electrónicos. Sin embargo, esto último requiere de grandes inversiones, que puede llegar a medio millón de dólares para un acuífero de 100 pozos (Horiva U-53G Multiparameter Water Quality Meter, Australian Scientific). Para determinar la cantidad óptima de pozos en una red de monitoreo normalmente se utilizan 1) criterios hidrogeológicos que permiten buscar sectores con parámetros físicos similares, 2) dotar al acuífero de una determinada densidad de pozos de monitoreo, o 3) criterios geoestadísticos que utilicen un modelo de flujo y transporte acompañados de parámetros estadísticos (DGA, 2019). El presente informe plantea una metodología diferente. Utilizando una de las ramas de la Inteligencia Artificial (IA), computación evolutiva (Algoritmos Genéticos), es posible determinar la cantidad óptima de pozos para una red de monitoreo en función de la data histórica de pozos. El programa diseñado comprende los procesos desde la toma de datos (bruto) a través de Excel, el propio modelo genético, hasta la exportación de los resultados principales. Fue puesto a prueba por data creada y data real tomada de dos acuíferos del Salar de Atacama y comparada con modelaciones creadas por la empresa Golder Associates el año 2017