Sistema web para monitoreo ambiental para empresas del sector Minería e Hidrocarburos

Abstract

El sector minero y petrolero en Perú es esencial para la economía, pero enfrenta críticas por su impacto ambiental. La necesidad de herramientas de monitoreo ambiental más efectivas es clara para cumplir con las regulaciones y mitigar estos impactos. Este proyecto propone un módulo para un sistema web de gestión ambiental con enfoque predictivo en el análisis de la calidad del agua. El objetivo es anticipar el comportamiento de variables y ayudar a las empresas a cumplir con las regulaciones. A pesar de esfuerzos anteriores, persisten deficiencias en la capacidad de anticipación y respuesta ante impactos ambientales. La propuesta es integrar un modelo predictivo que identifique anomalías y prevenga eventos adversos con mayor precisión. La arquitectura del sistema se diseña para recolectar, analizar y visualizar datos ambientales, proporcionando una herramienta robusta para la gestión y cumplimiento normativo. La implementación del modelo híbrido CNN-LSTM para predicción de calidad de agua se destaca por su eficacia superior a métodos tradicionales. Este enfoque se integrará en el sistema web utilizando Python, permitiendo un diario entrenamiento repetido del modelo con nuevos datos. El sistema incluirá funcionalidades de generación de gráficos y reportes, facilitando la toma de decisiones informadas y la transparencia en la presentación de datos a las autoridades. El proyecto concluye con un plan de validación, pruebas y capacitación para asegurar la correcta implementación y uso del sistema, demostrando mejoras significativas en eficiencia y cumplimiento regulatorio.

The mining and oil industry in Peru is essential for the economy, but it faces criticism due to its environmental impact. The need for more effective environmental monitoring tools is evident to comply with regulations and mitigate these impacts. This project proposes a module for an environmental management web system with a predictive focus on water quality analysis. The objective is to anticipate the behavior of variables and help companies comply with regulations. Despite previous efforts, deficiencies persist in the capacity to anticipate and respond to environmental impacts. The proposal is to integrate a predictive model that identifies anomalies and prevents adverse events with greater precision. The system architecture is designed to collect, analyze, and visualize environmental data, providing a robust tool for management and regulatory compliance. The implementation of the hybrid CNN-LSTM model for water quality prediction stands out for its superior effectiveness compared to traditional methods. This approach will be integrated into the web system using Python, allowing for daily retraining of the model with new data. The system will include functionalities for generating graphs and reports, facilitating informed decision-making and transparency in data presentation to authorities. The project concludes with a validation, testing, and training plan to ensure the correct implementation and use of the system, demonstrating significant improvements in efficiency and regulatory compliance.