Checking for non-preferred file/folder path names (may take a long time depending on the number of files/folders) ...

Modelo de Inteligencia artificial para Pozos con Mapas SGN (preliminar)


Authors:
Owners: This resource does not have an owner who is an active HydroShare user. Contact CUAHSI (help@cuahsi.org) for information on this resource.
Type: Resource
Storage: The size of this resource is 386.4 KB
Created: May 30, 2023 at 7:18 p.m.
Last updated: May 30, 2023 at 7:31 p.m.
Citation: See how to cite this resource
Content types: Single File Content 
Sharing Status: Public
Views: 341
Downloads: 0
+1 Votes: Be the first one to 
 this.
Comments: No comments (yet)

Abstract

Encontrar agua superficial a distancia razonable es un reto para muchas comunidades. Históricamente, los pozos han servido como una alternativa viable a los sistemas por gravedad, desde los tiempos de los acueductos romanos hasta la era moderna. Sin embargo, desde siempre ha sido casi una aventura el garantizar la presencia de agua en una zona determinada sin primero realizar una gran inversión de dinero y esfuerzo.
Para los casos más vulnerables, comunidades pequeñas y remotas, se construyen una gran cantidad de pozos basados principalmente en pozos previos cercanos que han sido efectivos. Cuando no se cuenta con la presencia de pozos existentes se procede a contratar la perforación y a localizar el pozo basado en criterios únicamente geomorfológicos, esto si se cuenta con un profesional del área. Ignorando por completo las pseudociencias como la radiestesia, aún no contamos con métodos técnicos costo-eficientes para identificar la presencia de agua, ni al menos un estimado de la productividad.
En teoría, si se superponen espacialmente los datos obtenidos de pozos existentes (datos de caudal, altitud, nivel freático y abatimiento) sobre los mapas geológicos, debe existir una correlación suficiente para generar un modelo matemático. Este modelo permitiría estimar la productividad de nuevos pozos y el riesgo de fallo (o insuficiencia). Tomando en cuenta que cerca del 20% de los pozos perforados en el país resultan fallidos, por no tener la cantidad de agua necesaria, o directamente por no tener agua, es un gran aporte contar con una metodología que reduzca este número de fallos.

Subject Keywords

Coverage

Spatial

Coordinate System/Geographic Projection:
WGS 84 EPSG:4326
Coordinate Units:
Decimal degrees
Place/Area Name:
Republica Dominicana
North Latitude
20.0632°
East Longitude
-68.0777°
South Latitude
17.5047°
West Longitude
-71.9340°

Content

How to Cite

Barinas, G., R. Aponte (2023). Modelo de Inteligencia artificial para Pozos con Mapas SGN (preliminar), HydroShare, http://www.hydroshare.org/resource/8f460051b33d4b368fc0af2770748fc0

This resource is shared under the Creative Commons Attribution CC BY.

http://creativecommons.org/licenses/by/4.0/
CC-BY

Comments

There are currently no comments

New Comment

required