1. Contexto del proyecto
Este proyecto estudia datos operativos reales de una planta municipal de digestión anaerobia en Muscatine, Iowa, registrados entre 2020 y 2023. El objetivo principal es comprobar si la información histórica de alimentación, operación y estabilidad permite anticipar el caudal medio diario de biogás.
Se evaluaron cinco horizontes —D+1, D+3, D+7, D+15 y D+30— y cada modelo se comparó con referencias sencillas de persistencia y media móvil. La separación y la evaluación respetan el orden temporal para evitar que información futura llegue al entrenamiento.
2. Herramientas utilizadas
- Python y Pandas: auditoría, limpieza, agregación diaria y creación de variables temporales.
- Scikit-learn: regresión lineal, Random Forest, HistGradientBoosting, métricas y validación temporal.
- XGBoost: comparación de un enfoque de boosting adicional.
- Matplotlib y Seaborn: exploración de series, diagnóstico de errores e interpretación.
- Power BI: tablas finales preparadas para el futuro dashboard operativo.
3. Desarrollo del notebook
- Revisión de documentación, tipos de datos, ausentes, duplicados y continuidad temporal.
- Análisis del biogás, la alimentación, la temperatura, el pH y los indicadores de estabilidad.
- Tratamiento de ausentes sin rellenar el principal hueco temporal del histórico.
- Creación de retardos, medias móviles y objetivos para cinco horizontes de predicción.
- Separación cronológica de entrenamiento, validación y prueba.
- Comparación de modelos frente a persistencia y media móvil de siete días.
- Evaluación final, importancia de variables y exportación de tablas para Power BI.
- Backtesting temporal como Anexo A para comprobar la estabilidad del resultado en distintos periodos.
4. Principales hallazgos
- D+1 es el horizonte más confiable: obtuvo un MAE de 20,58 CFM, R² de 0,60 y una mejora del 17,4 % frente a persistencia en la prueba final.
- El backtesting confirma el resultado: el MAE medio de D+1 fue 17,24 CFM, frente a 20,29 CFM de persistencia y 26,81 CFM de la media móvil.
- D+3 conserva utilidad limitada; los horizontes D+7, D+15 y D+30 pierden estabilidad y suavizan los picos.
- Los modelos tienden a sobreestimar producciones bajas y subestimar los máximos.
- Las variables de laboratorio pueden aportar señal, pero su utilidad depende de que estén disponibles al momento de emitir la predicción.
- Una mayor complejidad no garantizó mejores resultados: XGBoost no superó automáticamente a los enfoques más sencillos.
5. Interpretación y aplicación
El resultado puede servir como apoyo para la planificación operativa del día siguiente y como referencia para detectar desviaciones entre la producción esperada y observada. Los horizontes más largos deben tratarse como experimentales, no como pronósticos de igual confiabilidad.
El caudal está medido para toda la planta, no por digestor, y no existe una medición de concentración de metano. Por ello, el proyecto predice caudal de biogás y no producción de CH₄. Tampoco convierte correlaciones históricas en recomendaciones causales de operación.
6. Material visual pendiente
La demostración en video y las capturas del dashboard de Power BI se incorporarán cuando finalice la capa de visualización. El análisis, las métricas, las conclusiones y las tablas necesarias ya están preparados.