Método de detección de anomalías de calidad del agua basado en una red neuronal líquida controlada por la atención

Resumen

Este estudio propone una Red Neuronal Líquida Controlada por Atención para la detección de anomalías en la calidad del agua que logra una precisión y interpretabilidad superiores mediante modelado en tiempo continuo y gating basado en la atención, mejorando así la fiabilidad de la monitorización ambiental y apoyando una gestión sostenible del agua.

Resumen

Con la rápida expansión de las redes de monitorización del agua, la detección de anomalías en series temporales se ha vuelto cada vez más crucial para proteger los entornos acuáticos y garantizar su gestión sostenible. Sin embargo, los modelos convencionales suelen tener dificultades con intervalos de muestreo irregulares, correlaciones multivariantes y interpretabilidad en aplicaciones prácticas. Para abordar estos desafíos, este estudio propone una Red Neuronal Líquida Controlada por Atención (AG-LNN) que integra la capacidad de modelado dinámico de la Red Neuronal Líquida (LNN) con mecanismos de acceso basados en la atención. El modelo introduce una puerta de atención de entrada para enfatizar variables relevantes para anomalías como el Oxígeno Disuelto (DO) y el Índice de Permanganato (COD_Mn), y una puerta de tiempo constante que ajusta adaptativamente la memoria temporal del modelo. Utilizando datos del Centro Nacional de Monitoreo Ambiental de China (CNEMC) recopilados entre 2019 y 2024 en 13 provincias, AG-LNN demostró un rendimiento superior respecto a los modelos base, incluyendo las arquitecturas de Memoria a Corto Plazo Largo (LSTM), Red Convolucional Temporal (TCN), Transformador y Red Neuronal de Grafos (GNN). Alcanza un Área de Recordación de Precisión bajo la Curva (PR-AUC) de 0,95 y una puntuación F1 de 0,90, manteniendo la estabilidad bajo evaluaciones interregionales y temporales. Una versión compacta, AG-LNN-light, reduce los parámetros en un 62% con una pérdida mínima de precisión, permitiendo un despliegue eficiente en el borde. Los resultados confirmaron que la modelización en tiempo continuo con control de atención proporciona un enfoque robusto e interpretable para la detección a gran escala de anomalías de calidad del agua.

Introducción

El monitoreo de la calidad del agua es esencial para proteger la salud pública, mantener los ecosistemas acuáticos y garantizar el cumplimiento de las normativas medioambientales. Los modelos tradicionales de calidad del agua, como la Herramienta de Evaluación de Suelos y Agua (SWAT), el modelo mecanicista QUAL y los enfoques estadísticos de predicción, a menudo tienen dificultades para captar la naturaleza altamente no lineal, multivariante e irregular temporalmente de los sistemas acuáticos influenciados simultáneamente por factores químicos, biológicos, hidrológicos y^{meteorológicos} 1,2,3,4,5,6 . Por lo tanto, mejorar la detección de anomalías en los datos de calidad del agua sigue siendo un desafío urgente.

En términos prácticos, el marco propuesto está diseñado para redes multiparámicas de detección de calidad del agua que miden variables como el potencial del hidrógeno (pH), el oxígeno disuelto (DO), el nitrógeno total (TN), el fósforo total (TP) y el índice de permanganato (COD_Mn), la turbidez y la conductividad, con intervalos típicos de muestreo que oscilan entre 15 y 60 minutos. Este modelo tolera muestreos irregulares y observaciones faltantes, lo que lo hace adecuado para su despliegue real en sistemas de monitoreo de aguas superficiales y embalses.

Aplicación del aprendizaje automático en la detección de anomalías de calidad del agua

En los últimos años, los métodos de aprendizaje automático (ML) y aprendizaje profundo (DL) han ganado popularidad en aplicaciones de calidad del agua. Por ejemplo, Wang et ^al.7 introdujeron un Autoencoder de Memoria a Corto Plazo Largo con Atención (LSTMA-AE) combinado con restricciones mecanicistas para mejorar la precisión y reducir falsas alarmas en la detección de anomalías en las operaciones de bombas de inyección de agua, logrando un rendimiento significativamente mejor que los métodos de interpolación, bosque aleatorio o LSTM-AE.

De manera similar, Zhao et ^al.8 propusieron un modelo de Unidad Recurrente Restringida con Red Neuronal Informada por la Física (GRU-PINN) que incorpora restricciones físicas en la función de pérdida, aumentando significativamente la interpretabilidad y la puntuación F1 en tareas de detección de anomalías de calidad del agua. ElShafeiy et ^al.9 desarrollaron una arquitectura Multivariate Convolutional Network-LSTM (MCN-LSTM), que combina Redes Convolucionales Multivariantes con LSTM para la detección en tiempo real de anomalías en datos de sensores de calidad del agua, demostrando capacidades mejoradas de detección en entornos de campo. Otro avance es el modelo¹⁰ de la Red Neuronal Líquida Controlada (Gated-LNN), que fusiona mecanismos de acceso en Redes Neuronales Líquidas para predecir con precisión el Índice de Calidad del Agua (WQI) y clasificar la calidad del agua, logrando R² ≈ 0,9995 y una precisión de clasificación del 99,74% en los conjuntos de datos indios.

Detección de anomalías en series temporales

Más allá de aplicaciones específicas de DL, la detección de anomalías en series temporales ha experimentado un rápido desarrollo en diversos dominios. La detección de anomalías en series temporales se ha convertido en una técnica clave para mejorar el monitoreo de la calidad del agua y la alerta temprana. Los métodos estadísticos tradicionales a menudo no logran captar las características no lineales y dinámicas de los datos de calidad del agua, lo que provoca la aplicación de modelos de aprendizaje profundo. Por ejemplo, Zhang et ^al.11 combinaron la Descomposición Empírica en Modos (EMD) con LSTM para manejar mejor señales no estacionarias, mejorando significativamente la precisión de la predicción de la Demanda Química de Oxígeno (COD), la Demanda Bioquímica de Oxígeno (BOD₅), el Fósforo Total (TP), el Nitrógeno Total (TN) y el Nitrógeno de Amoníaco (NH₃-N). A partir de esto, Wang et ^al.12 propusieron un método de análisis de fluctuaciones basado en LSTM usando Entropía Aproximada, que mejora el rendimiento de detección de anomalías en tiempo real.

Los avances recientes han puesto énfasis en mecanismos de atención y marcos híbridos. Arepalli et ^al.13 introdujeron un LSTM ligero de atención compartida espacialmente para la detección de hipoxias en acuícola, logrando una precisión del 99,8%, mientras que Zhang et ^al.14 demostraron que la atención espacial y temporal mejoró significativamente la predicción CNN-LSTM de Oxígeno Disuelto (DO) y NH₃-N. De manera similar, Long et ^al.15 integraron la Descomposición Empírica Completa de Conjuntos con Descomposición Adaptativa en Modo Ruido-Variacional (CEEMDAN-VMD) con LSTM mejorado por atención, logrando valores de eficiencia de Nash-Sutcliffe (NSE) de hasta 0,99 en múltiples indicadores. A nivel de aplicación, Xie et ^al.16 demostraron un sistema móvil LSTM-secuencia-a-secuencia (Seq2Seq) para la predicción operativa y en tiempo real de la calidad del agua a través de cuencas fluviales.

En general, estos estudios destacan una tendencia clara en las líneas base basadas en LSTM, modelos híbridos con atención aumentada y aplicaciones a nivel de sistema. Aunque la precisión ha mejorado sustancialmente, persisten desafíos en la interpretabilidad, la robustez bajo condiciones ruidosas y la generalización en diversas redes de monitorización.

Aplicación de redes neuronales de grafos y modelos espaciotemporales en la monitorización ambiental

Las redes neuronales de grafos (GNN) y los modelos de aprendizaje profundo espaciotemporal han demostrado recientemente un potencial significativo en la monitorización ambiental al capturar tanto correlaciones espaciales entre sitios de monitorización como dependencias temporales en la dinámica de la calidad del agua. Por ejemplo, Wu et ^al.17 propusieron una Red Neuronal de Grafos Espacio-Temporales (PT-STGNN) mejorada previa al entrenamiento para plantas de tratamiento de aguas residuales, integrando el preentrenamiento basado en transformadores y el aprendizaje de la estructura de grafos para mejorar la predicción a largo plazo de DCOD, NH₃-N, TP, TN, pH y caudal. De manera similar, Wan et ^al.18 desarrollaron un GNN de Características Espacio-Temporales (STF-GNN) que combinaba convolución de grafos, GRU y mecanismos de atención, mejorando significativamente las predicciones de Oxígeno Disolvido (DO) y TN, mientras demostraba una generalización robusta entre cuencas transversales.

Los marcos híbridos han surgido más allá de los diseños puramente basados en datos para mejorar la generalización. Mu et ^al.19 introdujeron la red neuronal informada por la física de grafos espaciotemporales (ST-GPINN), que integra principios hidráulicos en modelos basados en redes neuronales de grafos (GNN) para sistemas de distribución de agua. Al acoplar representaciones de grafos con restricciones informadas por la física, ST-GPINN logra una precisión de vanguardia escalando eficazmente de redes pequeñas a grandes. En conjunto, estos estudios ponen de relieve el papel creciente de los GNN espacio-temporales en la monitorización ambiental, avanzando en la precisión predictiva, la interpretabilidad y la robustez, y sentando las bases para sistemas inteligentes de gestión del agua de próxima generación.

Ventajas y potencial de las redes neuronales líquidas

Las Redes Neuronales Líquidas (LNNs), también conocidas como Redes Líquidas de Tiempo Constante, modelan de forma única la dinámica de tiempo continuo utilizando constantes de tiempo dependientes de la entrada y aprendibles. Hasani et ^al.20 introdujeron las LNN y demostraron su poder expresivo, estabilidad y eficiencia en tareas de series temporales. Su adaptabilidad inspirada en el cerebro los convierte en candidatos prometedores para modelar fenómenos ambientales dinámicos como la calidad del agua, aunque su integración con los mecanismos de atención sigue sin explorarse.

Los mecanismos de atención, especialmente las puertas de atención, son herramientas poderosas para centrarse en características relevantes y facilitar la interpretabilidad. Aunque se utiliza ampliamente en imagen médica, Attention U-Net sienta una base para el refinamiento selectivo de características mediante puertas de atención aprendibles. La atención también se ha aplicado en marcos de detección de anomalías basados en sensores, como LSTMA-AE⁷ y GRU-PINN⁸, mejorando la sensibilidad a patrones críticos y la transparencia del modelo.

En conjunto, estas observaciones indican la necesidad de una arquitectura híbrida que sinergice la adaptabilidad en tiempo continuo con mecanismos de atención interpretables. Por ello, proponemos una Red Neuronal Líquida Controlada por la Atención (AG-LNN) que integra las capacidades dinámicas de modelado de las Redes Neuronales Líquidas (LNN) con puertas de atención que se centran en entradas salientes o segmentos temporales. Esta arquitectura pretende mejorar la robustez al ruido de sensores y al muestreo irregular, mejorar la sensibilidad a anomalías de corta duración y ofrecer interpretabilidad mediante mapas de calor de atención y trayectorias adaptativas de tiempo constante. El AG-LNN fue evaluado con conjuntos de datos multivariantes reales de calidad del agua y comparado con LSTM, Transformer, LNN puro y líneas base tradicionales de ML. Tanto análisis cuantitativos (Precisión, Recordación, F1, AUC) como cualitativos (visualizaciones de atención, dinámica a constantes de tiempo) demostraron la eficacia y transparencia del modelo propuesto.

Protocolo

NOTA: El flujo de trabajo general de este estudio se muestra en la Figura 1.

1. Adquisición de datos

1. Identificación de fuentes de datos
   1. Obtener datos de series temporales de calidad del agua de la base de datos pública (https://www.cnemc.cn/sssj/) del Centro Nacional Nacional de Monitoreo Ambiental de China (CNEMC). Recuperar registros de monitorización continua a nivel nacional que cubren los principales lagos y embalses de China. Los indicadores físico-químicos clave incluían pH, oxígeno disuelto (DO), fósforo total (TP), nitrógeno total (TN), índice de permanganato (COD_Mn), turbidez (NTU) y conductividad eléctrica (EC).
   2. Asegúrese de que los metadatos correspondientes, como la hora de monitorización, el estado operativo de la estación y la clasificación de la calidad del agua (Clase I-V), estén incluidos en el conjunto de datos descargado.
2. Recuperación de conjuntos de datos y especificación de archivos
   1. Asegura la reproducibilidad de los datos consolidando y compartiendo el conjunto de datos procesado bajo el nombre de archivo cnemc_data_2019_2024. CSV. El archivo en el repositorio Baidu Cloud (https://pan.baidu.com/s/1ZXYxkCZAnx7tiOHJhuJ2Qg?pwd=u97h) permite el acceso público y la verificación de todos los experimentos.
   2. Incluir datos de monitorización de 13 provincias (Guangdong, Hubei, Jiangsu, Zhejiang, Anhui, Fujian, Jiangxi, Henan, Sichuan, Guizhou, Liaoning, Heilongjiang y Jilin) para asegurar una cobertura representativa en diversas zonas hidrológicas y climáticas de las regiones Norte, Sur, Este, Oeste y de la Meseta.
   3. Asignar un número igual de registros de seguimiento a cada provincia, lo que da un total de 1.832 entradas recogidas entre enero de 2019 y diciembre de 2024. Etiqueta cada estación usando identificadores provinciales (por ejemplo, GD001 para Guangdong, HB001 para Hubei). Para cada registro, incluye atributos descriptivos como cuenca, waterbody_type (lago o embalse) y estación (primavera, verano, otoño o invierno, derivado del tiempo de muestreo).
   4. Añadir campos opcionales de geolocalización (longitud y latitud) para facilitar el análisis espacial y la reproducibilidad. Definiciones completas de campo, tipos de datos y unidades utilizadas en cnemc_2019_2024. Los valores CSV se resumen en la Tabla 1.

2. Selección y etiquetado de variables

1. Selección de variables
   1. Selecciona variables que representen los parámetros fisicoquímicos más frecuentemente monitorizados de las aguas superficiales, asegurando la relevancia ecológica y la sensibilidad a la contaminación o a las perturbaciones ambientales. Específicamente, incluye los siguientes indicadores:
      pH, que refleja el equilibrio ácido-base del agua e influye en la actividad biológica y la solubilidad química
      Oxígeno disuelto (DO), un indicador directo de la salud del ecosistema acuático y la contaminación orgánica
      Fósforo Total (TP) y Nitrógeno Total (TN), dos nutrientes principales vinculados a los procesos de eutrofización
      Índice de Permanganato (COD_Mn), que representa el contenido de materia orgánica oxidable y una medida indirecta de la contaminación orgánica
      Turbidez (Tur), que refleja partículas suspendidas y carga sedimentaria
      Conductividad eléctrica (CE), que indica la concentración de iones disueltos y la salinidad general
   2. Selecciona estas variables no solo por su disponibilidad rutinaria en las estaciones de monitorización CNEMC, sino también por su relevancia demostrada en estudios^previos 10,11,14,17 sobre evaluación de la calidad del agua y detección de anomalías.
2. Estrategia de etiquetado
   1. Define etiquetas de anomalías para apoyar el entrenamiento y la evaluación del modelo. Aplicar una estrategia de doble etiquetado que combine ambos enfoques complementarios.
   2. Etiquetado regulatorio o basado en expertos: Adoptar eventos anormales oficialmente documentados o anotados (por ejemplo, vertidos súbitos de contaminantes, proliferaciones de algas o fallos de instrumentos) de la autoridad de monitoreo como anomalías de la verificación en el terreno.
   3. Etiquetado débil basado en datos: Inferir anomalías para intervalos de monitorización que carecen de anotaciones explícitas de expertos directamente del conjunto de datos multivariante de series temporales multivariantes de CNEMC aplicando un marco de etiquetado débil guiado estadísticamente y consciente de la estación.
   4. Estructure este proceso en tres componentes principales: realizar la normalización estacional, aplicar la detección de desviaciones basadas en cuantil y reforzar los resultados mediante una evaluación basada en residuos.
      1. Normalización estacional: Normalizar los efectos estacionales para cada variable _{x i,t} (por ejemplo, DO, COD_Mn, TP, TN, Turbidez) utilizando el campo explícito de la estación (Primavera, Verano, Otoño, Invierno) proporcionado en el conjunto de datos CNEMC. Estandariza cada variable dentro de su subconjunto estacional correspondiente, como se muestra en la Ecuación (1).
         (1)
         donde μ_i^(s) y σ_i^(s) son la media y desviación estándar de la variable i durante las estaciones s. Esta normalización compensa los cambios estacionales sistemáticos como la reducción de la DO en verano o el aumento de la_Mn de la COD durante la temporada de lluvias, asegurando la comparabilidad entre estaciones.
      2. Etiquetado débil basado en cuantiles: Tras la normalización, identifica anomalías aplicando umbrales cuantiles robustos calculados para cada variable dentro de la misma estación y grupo de provincias, como se muestra en la Ecuación (2).
         (2)
         donde Q_p (⋅) es el operador p-ésimo cuantil, es el umbral inferior y superior de cuantiles (percentiles 1 y 99) para la variable i en la estación s. Señala un dato como anómalo si excede estos límites, como se muestra en la Ecuación (3).
         (3)
         Este paso tiene en cuenta de forma adaptativa las diferencias regionales y estacionales, evitando así detecciones erróneas causadas por fluctuaciones hidrológicas naturales.
      3. Refuerzo basado en residuos: Establecer una línea base mediana móvil de 15 días para detectar desviaciones abruptas a corto plazo que los umbrales de cuantiles puedan pasar por alto, como se expresa en la Ecuación (4).
         (4)
         donde es_i,t es la desviación residual de la variable i en el tiempo t, la mediana (x_i,t-15:t+15) es la mediana móvil de 15 días alrededor de t. Señala un punto de datos como anomalía residual si el residual absoluto supera tres veces la desviación estándar estacional (|_{r i,t}| > 3σ_i^(s)). Este refuerzo residual capturó eficazmente los picos transitorios causados por descargas contaminantes, eventos de lluvia o fallos temporales de sensores.
      4. Decisión combinada de etiqueta débil: Fusionar tanto indicadores de anomalías basados en cuantiles como basados en residuos para asignar una etiqueta débil binaria y_t, tal como se define en la Ecuación (5).
         (5)
         donde y_t=1 indica que al menos un parámetro presenta comportamiento anómalo en el tiempo t, y_t = 0 denota observaciones normales en todos los parámetros.
         Genera un conjunto de anotaciones débiles basadas en datos en las 13 provincias y cinco regiones climáticas del conjunto de datos de CNEMC utilizando el procedimiento combinado de etiquetado. Integra estas etiquetas en el aprendizaje ponderado por confianza asignando un peso de confianza de 0,7 a etiquetas débiles en relación con anotaciones verificadas por expertos con un peso de 1,0.
   5. Proporción de tipos de anotaciones
      1. Utiliza aproximadamente un 42% de anotaciones verificadas por expertos derivadas de informes ambientales oficiales y un 58% de anotaciones débiles generadas a partir de datos de monitorización continua. Aplicar una fusión heurística de umbral de puntuación z y descomposición de tendencias estacionales (STL) para detectar posibles anomalías en series temporales multivariantes de calidad del agua. Las proporciones de anotación elegidas se validan mediante experimentos presentados en la Sección 5.1 (Efecto de la relación de anotaciones) de la parte de Resultados. Estos resultados confirman que se produce un equilibrio empíricamente óptimo alrededor de una proporción experto/débil de 40:60, lo cual es coherente con la composición real del conjunto de datos.
   6. Validación de la precisión débil de anotaciones
      1. Asegura la fiabilidad de las muestras débilmente anotadas cruzando un subconjunto aleatorio de 800 instancias débilmente etiquetadas con expertos medioambientales. Registrar la tasa de acuerdo entre anotaciones débiles y sentencias de peritos, que debería alcanzar aproximadamente el 87,5%. Eliminar muestras con baja confianza en anomalías (< 0,6) o que no estén de acuerdo con el conjunto de validación experto de los datos de entrenamiento.
      2. Mantén las anotaciones débiles retenidas con una precisión efectiva superior al 90%. Examinar la fiabilidad de las anotaciones débiles y su influencia en el rendimiento del modelo, donde los experimentos controlados confirman que mantener la precisión en etiquetas débiles por encima del 90% previene eficazmente el sesgo de entrenamiento y garantiza un comportamiento predictivo estable.
   7. Mitigación de sesgos
      1. Durante la formación, aplica una estrategia de aprendizaje ponderada en confianza para mitigar posibles sesgos introducidos por anotaciones débiles. Defina la función de pérdida como se muestra en la Ecuación (6).
         (6)
         donde y_i∈{0,1} denota la etiqueta de verdad fundamental de la i-ésima muestra, p_i representa la probabilidad predicha del modelo, w_i es el peso asignado a cada muestra, y N es el número total de muestras.
      2. Determina el peso de la muestra w_i en función de la fuente y el nivel de confianza de la etiqueta, como se muestra en la Ecuación (7).
         (7)
         Aquí, c_i∈[0,1] denota la puntuación de confianza de la i-ésima anotación, y α,β son los coeficientes globales de ponderación para etiquetas experto y débil, respectivamente. El análisis empírico demostró que ajustar α=1.0 y β=0.7 logra el mejor equilibrio entre rendimiento y estabilidad, ya que esta ponderación suprime efectivamente el ruido residual de etiquetas débiles mientras mantiene una contribución suficiente de su cobertura más amplia.
      3. Selecciona siete parámetros físico-químicos (pH, DO, TP, TN, COD_Mn, Tur y EC) como variables centrales para la detección de anomalías. Utiliza estos indicadores para representar de forma exhaustiva el estado de nutrientes, la contaminación orgánica, la disponibilidad de oxígeno y la composición iónica del agua superficial. Proporciona una descripción detallada de cada variable.

3. Control de calidad de datos y preprocesamiento

1. Establecer una tubería jerárquica de control de calidad de datos y preprocesamiento para garantizar la fiabilidad y la aplicabilidad de modelado de los datos de monitorización de la calidad del agua de múltiples fuentes. Realizar secuencialmente alineación temporal, imputación de valores faltantes, detección de anomalías, normalización de escalas y construcción de muestras en ventanas. Seleccionar y combinar dinámicamente los métodos apropiados según las características específicas de los datos.
2. Alineación temporal y remuestreo: Alinear todas las secuencias de estaciones de monitorización a una resolución temporal unificada de 15 minutos para tener en cuenta las marcas de tiempo no sincronizadas. Para puntos muestreados de forma irregular, se aplica interpolación lineal entre observaciones adyacentes según la ecuación (8). Asegúrate de que las muestras ventanadas posteriores se construyan sobre una cuadrícula temporal consistente.
   (8)
3. Procesamiento de valores faltantes
   1. Categorizar los valores faltantes según la duración de los intervalos consecutivos en ausencias a corto plazo (<6 puntos consecutivos, es decir, <1,5 h) y ausentes a largo plazo (≥6 puntos consecutivos), y se aplicaron diferentes estrategias en consecuencia.
   2. Aplicar filtrado y suavizado de Kalman para realizar estimaciones dinámicas de intervalos faltantes a largo plazo (≥ 6 puntos consecutivos). Modela cada variable de calidad del agua x_t (por ejemplo, DO, TN, COD_Mn) usando una formulación lineal discreta en espacio de estados, como se muestra en
      Ecuaciones (9) a (11).
      (9)
      (10)
      (11)
      donde x_t es el estado latente (verdadero) de la variable de calidad del agua en el tiempo t, y_t es el valor observado correspondiente; A es el coeficiente de transición de estado (empíricamente establecido a 0,95) para reflejar una alta correlación temporal en observaciones de 15 minutos, H es la matriz de observación (fijada a 1 para mediciones directas), w_t ∼ N(0,Q) y v_t ∼ N(0,R) son el proceso gaussiano de media cero y el ruido de medición, respectivamente; Q = (0,05σ_x)² y R=(0,10σ_x)², donde σ_x es la desviación estándar de la variable dentro de una ventana deslizante de 7 días.
   3. Configura el filtro para que permanezca sensible a la variabilidad a corto plazo mientras suprime el ruido de medición aleatoria. Inicializar el estado inicial usando la primera observación no faltante disponible y establecer la covarianza inicial P_0|0 en . Elimina todo el segmento si el intervalo faltante supera las 24 horas (96 registros) para evitar la acumulación de errores por extrapolación a largo plazo.
4. Detección y corrección de anomalías
   1. Identificar y corregir anomalías en dos pasos secuenciales: restricciones duras (límites físicos) y restricciones blandas (límites de gradiente y winsorización de cuantiles).
      1. Restricciones estrictas (límites físicos): Descartar mediciones que estén fuera de rangos físicamente plausibles (por ejemplo, pH∉[0,14], DO>20 mg/L).
      2. Restricciones blandas (límites de gradiente + winsorización de cuantiles): Marcar un dato como sospechoso si la tasa absoluta de cambio entre dos observaciones consecutivas supera un umbral de gradiente definido empíricamente |x_t - x_t-1 | > θ. Establece θ=3σ_x ^Δt-1, donde σ x denota la desviación estándar de la variable sobre una ventana deslizante de 24 horas, y Δt = 15 min representa el intervalo de muestreo. Corrige los valores extremos usando un procedimiento de winsorización, tal como se expresa en la Ecuación (12).
         (12)
         donde Q_α y Q_1-α denotan el 1% y el 99%, respectivamente.
         El procedimiento primero elimina valores imposibles mediante restricciones estrictas, luego señala observaciones anómalas basadas en umbrales de gradiente y finalmente suaviza las desviaciones residuales mediante winsorización basada en cuantiles. Este enfoque jerárquico garantizaba tanto la validez física como la estabilidad estadística del conjunto de datos limpiado.
5. Normalización
   1. Diferentes indicadores de calidad del agua tienen distintas unidades y valores. Para eliminar diferencias de escala y evitar que ciertas variables dominen el proceso de entrenamiento del modelo, se aplica la normalización z-score.
6. Construcción de muestras de ventana
   1. Transformar la serie temporal en muestras de ventana deslizante de longitud fija para preservar las dependencias temporales. Dada la longitud de ventana W y el tamaño del paso S, se construyen las muestras de entrada según la Ecuación (13).
        (13)
      Establece W=96 (es decir, 24 horas con un intervalo de 15 minutos) y S=1 para generar muestras secuencialmente usando una ventana deslizante punto por punto.

4. Red Neuronal Líquida Controlada por la Atención (AG-LNN)

NOTA: La arquitectura general de la propuesta Red Neuronal Líquida Controlada por la Atención (AG-LNN) se ilustra en la Figura 2. El modelo integra entradas de calidad del agua de múltiples fuentes, un mecanismo de gating basado en atención, una LNN con constantes de tiempo adaptativas y una etapa de decodificación de lectura con salidas interpretables. Este diseño permite a la red capturar dinámicamente dependencias temporales complejas mientras permanece robusta al ruido y al muestreo no uniforme.

1. Capa de entrada multifuente: Consulte la parte más a la izquierda de la Figura 2 para visualizar los datos de monitorización de la calidad del agua de múltiples fuentes {x_τ}, donde cada vector x_τ∈R^C representa mediciones de variables fisicoquímicas C (por ejemplo, pH, DO, TN, TP, COD_MN, Turbidez, EC) en el tiempo τ. Segmentar las secuencias de entrada en ventanas deslizantes de longitud fija de tamaño W, tal como se formula en la Ecuación (14).
   (14)
2. Puerta de atención de entrada: Aplicar una puerta de atención, como se ilustra en el bloque inferior izquierdo de la Figura 2, para enfatizar las variables informativas y suprimir las fluctuaciones ruidosas. Calcula los pesos de atención según la Ecuación (15).
   (15)
   donde α_τ denota importancia a nivel de canal en el tiempo τ. Este mecanismo garantiza que las variables altamente correlacionadas con cambios anómalos (por ejemplo, DO y COD_Mn) reciban mayores pesos.
3. Puerta a constantes de tiempo
   1. Modula la constante de tiempo del líquido usando la señal de atención agregada, como se ilustra en el bloque superior de la Figura 2, y la formula según la Ecuación (16).
      (16)
      donde λ_base es la constante de tiempo base que controla la memoria intrínseca de cada neurona líquida; denota el peso medio de atención a través de canales C en el paso temporal τ; β es un coeficiente de sensibilidad que determina cuán intensamente influye la atención en la respuesta temporal.
   2. Cuando es alta, λ_τ disminuye, lo que lleva a la red a acelerar su respuesta y captar mejor anomalías de corta duración. Impone restricciones límite sobre λ_τ para estabilizar el entrenamiento.
   3. Garantizar la estabilidad numérica y evitar la dinámica explosiva o nula imponiendo restricciones de límite a la constante de tiempo λ_τ. Establece λ_τ ∈ [λ_{min,λ max}] = [0.5,2.0]. Recorta cualquier valor fuera de este rango al límite más cercano durante el entrenamiento para mantener un comportamiento adaptativo controlado bajo condiciones ambientales variables. Ajustar λ = 1.0 proporciona una precisión óptima y estabilidad de convergencia.
4. Capa neuronal líquida
   1. Emplear una Red Neuronal Líquida (LNN) para realizar modelado en tiempo continuo de la serie temporal y expresar su formulación dinámica como se muestra en la Ecuación (17).
      (17)
      donde ḣ(t) denota el vector de estado oculto; λ(⋅) representa la constante de tiempo aprendible, modulada por la atención; σ(∙) es la función de activación no lineal (ReLU); A y B son matrices de pesos aprendibles; x̃(t) es el vector de entrada normalizado; b es el término de sesgo. Esta ecuación asegura que la dinámica de la red evolucione tanto con las entradas como con los estados, mientras que la constante de tiempo λ(⋅) sigue siendo aprendible y depende del contexto.
   2. Para el cálculo numérico, se utiliza el método explícito de integración de Euler para la discretización, como se muestra en la ecuación (18).
      (18)
      Aquí, Δ_τ representa el paso de tiempo discreto (intervalo de integración) entre observaciones sucesivas, calculado usando la ecuación (19).
      Δ_τ=(t_τ - t_τ-1)/_norma T (19)
      donde t_τ y t_τ-1 son las marcas de tiempo (en minutos) de mediciones consecutivas y la_norma T = 15 min corresponde al periodo nominal de muestreo en los datos de monitorización del CNEMC. Así, Δ_τ = 1 para intervalos regulares de 15 minutos, mientras que Δ_τ > 1 o Δ_τ < 1 refleja muestreos irregulares causados por observaciones faltantes o densas. Este enfoque gestiona naturalmente el muestreo irregular manteniendo la interpretabilidad respecto a la dinámica física subyacente.
5. Lectura y puntuación por anomalía
   1. Tras completar la actualización de estado oculto, emplea una capa de lectura en el AG-LNN para generar la predicción un paso por delante, expresada en la Ecuación (20).
      (20)
      donde W_o y c denotan respectivamente la matriz de proyección de salida y el vector de sesgo.
   2. Calcular el residual como la puntuación de anomalía basándose en la discrepancia entre los valores predichos y observados, como se muestra en la Ecuación (21).
      (21)
   3. Aplicar una estrategia de umbral adaptativo basada en cuantiles para determinar si una observación corresponde a una anomalía.
   4. Defina el umbral de anomalía θ_x para cada variable de calidad del agua usando el percentil 99 de los residuos en el conjunto de entrenamiento, tal como se formula en la Ecuación (22).
      (22)
      donde σ_s denota la desviación estándar de la secuencia residual, y γ = 0,2 es un coeficiente de seguridad fijo que compensa las variaciones naturales diurnas.
   5. Este diseño corresponde aproximadamente a una probabilidad de superación del 1%, consistente con las definiciones estándar de anomalías ambientales. Durante la inferencia, la red solo genera la secuencia residual {s_τ}; para la determinación de anomalías, se realiza a posteriori según las Ecuaciones (14)–(15). Este diseño de separación es coherente con el marco general del estudio, asegurando que el modelo se centre en la extracción de características y la medición de anomalías en lugar de participar directamente en el establecimiento de umbrales.
6. Objetivos de formación y regularización
   1. Durante el entrenamiento, minimizar el error de predicción mientras se aplica regularización adicional tanto en los pesos de atención como en las constantes de tiempo para evitar sobreajustes e inestabilidad numérica. La función de pérdida se expresa mediante la ecuación (23).
      (23)
   2. Aplicar_α Reg mediante regularización por entropía -∑α_τ log α_τ o la norma L1 para evitar el colapso de atención. Aplicar Reg_λ penalizando Δλ_τ = λ_τ - λ_τ-1, restringiendo fluctuaciones drásticas en la constante de tiempo y añadiendo penalizaciones cuando supera los límites superior e inferior predefinidos. Este enfoque se utilizó para mantener la flexibilidad del AG-LNN asegurando la estabilidad durante el entrenamiento.
7. Salida de cálculo directo e interpretabilidad
   1. Simplificar el proceso de cálculo directo de AG-LNN en la siguiente estructura de cadena, como se muestra en la Ecuación (24).
      (24)
   2. Durante el entrenamiento y la inferencia, registra continuamente los pesos de atención_{α τ} y las constantes de tiempo líquido λ_τ, y utilízalos para generar resultados de interpretabilidad, es decir, mapas de calor de atención y curvas de constantes de tiempo líquidas. Utiliza estas visualizaciones para resaltar cómo el modelo se centra en diferentes variables y escalas de tiempo, mejorando así la interpretabilidad del método.

5. Procedimiento de entrenamiento

1. Partición de datos: Divide la serie temporal de calidad del agua multifuente cronológicamente en subconjuntos de entrenamiento, validación y prueba usando una división 70%/15%/15%. Asegura la robustez seleccionando el conjunto de pruebas para incluir periodos anormales conocidos, manteniéndolo estrictamente sin solapamiento con los datos de entrenamiento para evitar fugas temporales.
2. Detalles de entrenamiento
   1. Resuelve la dinámica continua en la capa líquida usando un esquema de Euler explícito estabilizado. Para comparar, se prueba una discretización en forma cerrada siguiendo la formulación^{referenciada 20,21}.
   2. Calendario de calentamiento de atención: Fixar los pesos de atención a un valor casi uniforme (≈ 1,0) durante las primeras 10 épocas para estabilizar el flujo de gradiente. Después de la época 10, recocido gradualmente la atención hasta su estado aprendible liberando linealmente las actualizaciones de peso durante las siguientes 5 épocas (factor de escala = 0,8). Utiliza esta estrategia de calentamiento para evitar oscilaciones inestables al inicio del entrenamiento y para asegurar una convergencia suave.
   3. Optimizador y planificador de tasas de aprendizaje: Optimiza los parámetros del modelo usando el optimizador Adam con β₁ = 0,9, β₂ = 0,999, ε = 1 x 10⁻⁸. Establezca la tasa de aprendizaje inicial a 1 x 10⁻³ y contróllala usando un programa de recocido cosenoideo (T_max = 50 épocas, Tasa mínima de aprendizaje = 1 x 10⁻⁵). Elige tamaños de lote entre 32 y 128, dependiendo de la capacidad de memoria de la GPU. Aplicar esta programación gradual para asegurar una adaptación estable de la dinámica en tiempo continuo sin cambios bruscos en la velocidad de aprendizaje.
   4. Paradas tempranas y ajustes de reproducibilidad: Terminar el entrenamiento antes de tiempo si la métrica de validación (AU-PR o F1) no mejora durante 10 épocas consecutivas (paciencia = 10). Repite cada experimento 3 veces usando semillas aleatorias fijas (42, 73 y 101) para asegurar la reproducibilidad. Establece el número máximo de épocas en 100 y conserva el punto de control con el mejor AU-PR de validación para las pruebas.
3. Entorno de hardware y software
   1. Realiza todos los experimentos en un servidor Linux equipado con GPUs NVIDIA Tesla V100 (32 GB de memoria) y dos procesadores Intel Xeon Gold 6230 con 256 GB de RAM. Implementa el modelo en Python 3.9 usando PyTorch 2.0 como marco de deep learning, y utiliza librerías auxiliares como NumPy 1.23, SciPy 1.9 y scikit-learn 1.2 para preprocesamiento y evaluación. Contenece todos los experimentos usando Docker 23.0 y gestionalos en Ubuntu 20.04 LTS para asegurar la reproducibilidad y portabilidad de los resultados. Consulte la Tabla de materiales para especificaciones detalladas de todos los dispositivos de hardware y herramientas de software para garantizar claridad y replicabilidad.

Resultados

Comparación de rendimiento global

La Tabla 2 presenta los resultados comparativos de los diferentes modelos de referencia y el AG-LNN propuesto para la tarea de detección de anomalías de calidad del agua. Entre las líneas base tradicionales no supervisadas, el Bosque de Aislamiento²² y el SVM de Clase^{Única 23} alcanzaron solo una precisión y recuperación moderadas, reflejando su limitada capacidad para captar las ...

Discusión

Este estudio introduce una Red Neuronal Líquida Controlada por la Atención (AG-LNN), una arquitectura novedosa para la detección de anomalías de calidad del agua que combina dinámica de líquidos en tiempo continuo con mecanismos de gating basados en la atención. El componente neuronal líquido de un AG-LNN está inspirado en las Redes Líquidas de Constantes en Tiempo (LTCs), que modelan series temporales con constantes de tiempo²⁰ aprendibles y dependientes de la en...

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
256 GB de RAM DDR4	Samsung	M393A4K40DB3	Memoria de alta capacidad para manejar grandes conjuntos de datos multivariantes de series temporales
CUDA 11.6	NVIDIA	N/A	Kit de herramientas de aceleración GPU para PyTorch
Intel Xeon Gold 6330 CPU (2.0GHz, 28 núcleos)	Intel	BX80708-6330	Utilizado como servidor principal de cálculo para el entrenamiento de modelos
Matplotlib 3.4, Seaborn 0.11	Código abierto	N/A	Visualización de resultados experimentales
NumPy 1.21, Pandas 1.3	Código abierto	N/A	Preprocesamiento de datos e ingeniería de características
GPU NVIDIA A100 (40GB)	NVIDIA	900-21001-0000-001	Entrenamiento acelerado de AG-LNN con apoyo de CUDA
Python 3.9	Fundación de Software Python	N/A	Lenguaje de programación principal para la implementación
PyTorch 1.12	Meta IA	N/A	Marco de aprendizaje profundo utilizado para construir AG-LNN
Scikit-learn 0.24	Código abierto	N/A	Métricas de evaluación y modelos de referencia
Ubuntu 20.04 LTS OS	Canónico	N/A	Sistema operativo para el entorno computacional