Aplicación de modelos predictivos basados en inteligencia artificial para la gestión sostenible del agua en embalses de Andalucía. Modelos predictivos para la prospección de escenarios dinámicos en la gestión hídrica

Abstract

Este Trabajo Final de Grado plantea una solución práctica para apoyar la gestión de embalses en Andalucía mediante predicción y exploración de escenarios. El trabajo se centra en anticipar la evolución de las reservas y facilitar consultas ágiles para técnicos y usuarios no expertos. Para ello se construye un pipeline de datos que integra datos históricos de embalses con variables meteorológicas, resolviendo inconsistencias de nombres, mapeando embalses a provincia y generando agregados temporales y variables derivadas. La información se consolida en la base de datos de series temporales InfluxDB y se emplea para entrenar modelos de aprendizaje profundo (GRU) capaces de capturar estacionalidad y efectos retardados. La última fase usa estas predicciones para generar escenarios What-If (p. ej., cambios en precipitación o temperatura). El resultado es un sistema que combina: datos depurados temporales, modelos listos para inferencia y una interfaz web para visualizar series históricas y su evolución.