Predicción del precio del agua mediante diferencias finitas y machine learning

Resumen

El presente trabajo analiza una metodología híbrida para la predicción del precio del agua en México, que integra una simulación de un sistema físico mediante el análisis de datos. Los objetivos principales fueron desarrollar un modelo físico basado en la ecuación de difusión para simular el flujo en una red hídrica en condiciones óptimas, cuyas soluciones se obtienen mediante el método de Diferencias Finitas. Se generó un conjunto de datos sintético a partir de simulaciones que representan las condiciones habituales del fenómeno, el cual se utilizó para entrenar un modelo de Machine Learning para predecir el precio del agua. Se utilizó un modelo de regresión lineal que alcanzó un coeficiente de determinación de 0.9984 y un error cuadrático medio de 0.01002. Los resultados confirman que la metodología propuesta es una herramienta de pronóstico con un excelente grado de certidumbre y precisión para estimar el precio del agua, dadas las condiciones particulares de la red hídrica, ya que el modelo se valida en condiciones ideales y con datos generados de manera sintética.