Fontaines-sur-Saône (tiempo seco)
Los resultados para los SST obtenidos por el modelo SVM en la etapa de calibración y validación fueron mejores que los alcanzados por el modelo PLS en ambas etapas, como se puede observar en la Figura 73. Además, se puede evidenciar que muchos más puntos de monitoreo en la etapa de validación del modelo SVM se encuentran cerca a la bisectriz y en una amplio rango de valores de concentración, lo cual permite inferir que el modelo SVM calibrado para la predicción diferentes fenómenos de contaminación de los SST a través del espectro de absorbancias.
147
Figura 73- Comparación de las concentraciones equivalentes de SST obtenidas por el mejor model PLS
(arriba) y SVM (abajo) en las etapas de calibración y validaciónpara las muestras del afluente de la PTAR de Fontaines-sur-Saône (tiempo seco)
En cuanto a los resultados para la DQO, el modelo SVM estima los valores de concentración de este determinante con un error mucho menor (RMSEP=0.03 mg/L) respecto al mejor modelo PLS (RMSEP=5.84 mg/L) en la etapa de calibración. Sin embargo, en la etapa de validación los resultados no favorecen al modelo SVM el cual presenta errores de predicción mayores a los modelos PLS. No obstante, para ambos modelos los valores de los coeficientes de Spearman y determinación están por encima de 0.9 en la validación, lo que permite determinar que el modelo PLS estimará el 93.4 % de los valores de concentraciones de DQO del afluente de la PTAR en tiempo seco con una alta confiabilidad, y en el caso del modelo SVM representar la variabilidad del determinante en un 91.6 %.
148
Figura 74- Comparación de las concentraciones equivalentes de DQO obtenidas por el mejor model PLS
(arriba) y SVM (abajo) en las etapas de calibración y validaciónpara las muestras del afluente de la PTAR de Fontaines-sur-Saône (tiempo seco)
Finalmente la DQOf del afluente de la PTAR en tiempo seco fue estimada con un menor error de predicción por el modelo SVM en la calibración (RMSEP= 0.01 mg/L) y en la validación (RMSE= 7.91 mg/L) con respecto al modelo PLS. Sin embargo, el modelo PLS explica la varianza de las concentraciones de este determinante en un menor porcentaje (0.67 %) en comparación con el 1.67 % del modelo SVM en las etapas de validación, tal como se presenta en la Figura 75. Entonces, ambos modelos permiten estimar diferentes rangos de valores de concentración de forma confiable en función de los valores de absorbancia de las longitudes de onda seleccionadas como las mejores variables predictoras.
149
Figura 75- Comparación de las concentraciones equivalentes de DQOf obtenidas por el mejor model PLS
(arriba) y SVM (abajo)en las etapas de calibración y validaciónpara las muestras del afluente de la PTAR de Fontaines-sur-Saône (tiempo seco)
150
4.3.1.2. Concentraciones equivalentes de SST, DQO y DQOf del afluente de la PTAR de
Fontaines-sur-Saône (tiempo lluvia)
Los valores de las concentraciones equivalentes de SST para las muestras del afluente de la PTAR en tiempo de lluvia, fueron estimadas con un menor error en la etapa de calibración por el modelo SVM, pero en la validación el error se incrementó significativamente a 67.54 mg/L, y con esto la capacidad de representar la variabilidad de los SST en tiempo de lluvia por medio de los espectros de absorbancia solo es posible en 61.5 % de los datos del conjunto de validación. Por otra parte, el modelo PLS genera resultados satisfactorios en la etapa de calibración, y mucho mejores que el modelo SVM en la etapa de validación, en cuya etapa el modelo PLS calibrado permite determinar el 95.84 % de la variabilidad del determinante en el afluente del PTAR en tiempo lluvia (ver Figura 76).
Figura 76- Comparación de los concentraciones equivalentes de SST obtenidas por el mejor model PLS
(arriba) y SVM (abajo) en las etapas de calibración y validaciónpara las muestras del afluente de la PTAR de Fontaines-sur-Saône (tiempo lluvia)
151
En el caso de la DQO en tiempo de lluvia, ambos modelos presentaron resultados satisfactorios en las concentraciones equivalentes estimadas, lo cual se reflejó en los valores de los coeficientes de Spearman y determinación. Pero en el caso de la métrica RMSEP se obtuvieron mejores resultados con el modelo SVM (0.01 mg/L) con respecto al modelo PLS (3.9 mg/L). Por otro lado, en la etapa de validación, el modelo PLS generó un mejor comportamiento en general para todas las métricas evaluadas, pero principalmente el RMSE fue menor en 14.22 mg/L con respecto al valor obtenido por el modelo SVM en la misma etapa, tal como se puede observar en la Figura 77.
Figura 77- Comparación de las concentraciones equivalentes de DQO obtenidas por el mejor model PLS
(arriba) y SVM (abajo)en las etapas de calibración y validaciónpara las muestras del afluente de la PTAR de Fontaines-sur-Saône (tiempo lluvia)
152
Por último, la DQOf fue el único determinante de calidad del agua de la muestras recolectas en tiempo de lluvia que por medio del modelo SVM no genero resultados satisfactorios en la etapa de validación para estimar concentraciones de este determinante superiores a 80 mg/L, evidenciando overfitting en la etapa calibración, y con esto suponer limitaciones del modelo en la estimación de ciertos determinantes asociado a que los parámetros C y , y de la función kernel no representan variabilidad del determinante, debido a que en el proceso de optimización los valores encontrados obedecen a un óptimo local y no global generado porque las variables independientes seleccionadas (longitudes de onda) no presentan un grado de dependencia entre ellas y ante esto los parámetros calibrados y aplicados a nuevos conjuntos de datos maximizaran el error de estimación. No obstante, el modelo PLS genera mejores resultados para las concentraciones superiores al valor mencionado en la etapa de validación, incluso permite determinar el 97.01 % de la variabilidad de las concentraciones a partir de los espectros de absorbancia (ver Figura 78).
Figura 78- Comparación de las concentraciones equivalentes de DQOf obtenidas por el mejor model PLS
(arriba) y SVM (abajo) en las etapas de calibración y validaciónpara las muestras del afluente de la PTAR de Fontaines-sur-Saône (tiempo lluvia)
153
4.3.1.3. Concentraciones equivalentes de SST, DQO y DQOf del afluente de la EE de