El día 26 de abril, Jhonatan Rivera Rivera presentó su primera contribución científica en el marco del proyecto SARAI. En nuestro trabajo, aplicamos algoritmos de Machine Learning (ML) y Deep Learning (DL) para el pronóstico de series temporales de deformación (DTS) asociada a la subsidencia por extracción de agua subterránea, a partir de una base de datos que contiene: una variable binaría relacionada con la extracción de agua subterránea en el acuífero elástico de Madrid y valores previos de la DTS filtrada de acuerdo con Savitzky Golay, 1964.
El filtro permite que algoritmos sencillos e interpretables de ML como la regresión lineal arrojen resultados similares a los complejos algoritmos de DL. El tuneado de los algoritmos indica que los hiperparámetros son similares cuanto más similares sean las DTS, promoviendo el clustering de DTS en la optimización del modelado de grandes bases de datos como la planteada en SARAI.