BOLETÍN OFICIAL DEL ESTADO
Núm. 151

Lunes 26 de junio de 2023

Sec. III. Pág. 89654

aplicabilidad. Esta capacidad presentaría en principio grandes ventajas y campos de
utilidad desde múltiples puntos de vista como el análisis de la componente irreversible
(ritmos de evolución e identificación de posibles relaciones con otras variables externas),
la identificación de eventos singulares y su efecto sobre la presa (limpieza de drenes,
ejecución de una campaña de inyecciones) o la posibilidad de definir umbrales variables
con el tiempo que incorporen la evolución irreversible esperable, entre otros.
1.7

Comités de expertos.

Como se ha indicado, los modelos predictivos que se pueden realizar sobre una
determinada variable son de muy diversa naturaleza y pueden ser alimentados con
diferentes tipos de variables y periodos de entrenamiento. Las estructuras relacionales
que cada método encuentra en los datos que se le enseñan para que aprenda serán, por
lo tanto, diferentes. En función de dichas estructuras, cada modelo podrá presentar una
mayor precisión en unas determinadas circunstancias, distintas para cada uno de ellos.
Por lo tanto, la selección del mejor modelo singular, el que proporcione un menor
error general sobre el conjunto de validación asegura un resultado global adecuado. Sin
embargo, la posibilidad de considerar el conjunto de resultados proporcionado por varios
modelos, permite minimizar, en general, el error global y aumentar la robustez de la
predicción. Para realizar esta combinación de modelos se puede recurrir a la mezcla o
comités de expertos. Estas metodologías buscan, mediante modelos adicionales de IA,
las relaciones entre los expertos que permiten mejorar, en general, la precisión de
predicción de los modelos individuales. La aplicabilidad y las ventajas que puede
proporcionar este planteamiento al control de la seguridad de las presas será objeto de
la investigación a realizar bajo el presente convenio.

Se evaluará la funcionalidad que proporcionaría para el control sistemático de la
seguridad de las presas la posibilidad de que los nuevos registros de auscultación
ingresen a un sistema soporte y sean evaluados de manera automática mediante
modelos predictivos basados en IA.
Cada uno de estos modelos predictivos tendrá asociado un error general de método
y un factor de incertidumbre para cada registro en función de su grado de representación
en el dataset. A partir de estos valores se estudiará la posibilidad, y aplicabilidad práctica
para el control de la seguridad, de generar diferentes bandas de predicción según el
nivel de confianza de manera que, según se sitúen los registros dentro o fuera de las
bandas, se les pueda asignar una etiqueta que indique si se trata de un valor anómalo y
con qué grado de confianza.
Según el criterio que se establezca, de acuerdo con el conocimiento de las presas y
experiencia en explotación que proporcionará la Dirección General del Agua, cuando se
detecte una anomalía de comportamiento, se emitirá un aviso automático indicando la
detección, el aparato involucrado, los valores correspondientes que han desencadenado
el aviso y un gráfico representativo.
Se ensayará también la posibilidad de que estos avisos se envíen automáticamente,
mediante correo electrónico y/o SMS, a una lista de distribución de contactos con
diferentes roles que se asignará a cada presa piloto. Este ensayo permitirá evaluar las
ventajas que esta funcionalidad puede proporcionar al día a día de la gestión de la
seguridad de las presas.
1.9

Aplicación web y app.

Para la evaluación del potencial que puedan proporcionar estas herramientas de
análisis en la explotación cotidiana de las presas, se plantea realizar un seguimiento
continuo de las presas involucradas en la investigación. Para ello será necesario utilizar
una aplicación que facilite la integración y uso de los modelos de Machine Learning que

cve: BOE-A-2023-14989
Verificable en https://www.boe.es

1.8 Ejecución de modelos en continuo (cada vez que se introduzcan nuevos datos)
e introducción de datos de forma manual.