Our purpose is to manage, preserve, and disseminate all the intellectual, scientific, and historical production of our university community.
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Predicción del pH y la DBO en el río Cauca utilizando técnicas de machine learning: anticipando cambios críticos de calidad
(Pontificia Universidad Javeriana Cali, 2026) Cortés Montiel, Weimar; Sotelo de la Cruz, Daniel Alfonso; Torres Valencia, Cristian Alejandro
Dada la creciente preocupación por la calidad del agua en Colombia, este proyecto de maestría desarrolló modelos predictivos para estimar los niveles de pH y Demanda Bioquímica de Oxígeno (DBO) en el río Cauca, con énfasis en la cuenca alta, integrando técnicas de ciencia de datos y aprendizaje automático. El estudio partió del análisis y preprocesamiento de datos históricos oficiales, que incluyeron variables fisicoquímicas como pH, DBO, oxígeno disuelto, temperatura, conductividad y nutrientes. La metodología contempló la partición de los datos en conjuntos de entrenamiento y prueba (80-20 %), con validación cruzada repetida para garantizar la robustez de la evaluación. Se entrenaron y ajustaron modelos de regresión como Regresión Lineal Múltiple, Árboles de Decisión, Random Forest, Gradient Boosting (XGBoost), SVR y Perceptrón Multicapa (MLP), optimizados mediante Grid Search y Optuna. Su desempeño se evaluó con métricas como RMSE, MAE y R², así como mediante curvas de aprendizaje para detectar sobreajuste. Se estimaron con precisión los valores de pH y DBO del río Cauca, y mediante análisis SHAP se identificaron las variables fisicoquímicas de mayor incidencia: para la DBO, los sulfatos (mg SO₄/l), bicarbonatos (mg CaCO₃/l) y conductividad eléctrica (µS/cm) resultaron las más determinantes; para el pH, los nitratos (mg N-NO₃/l) y bicarbonatos (mg CaCO₃/l) concentraron la mayor contribución explicativa. El trabajo se centró en la ejecución técnica de los modelos, sin desarrollos externos ni visualizaciones interactivas. Se priorizó el análisis cuantitativo de los resultados, documentando el proceso completo y aportando evidencia sobre la aplicabilidad del aprendizaje automático en el monitoreo ambiental. Esta investigación fortaleció herramientas analíticas para la gestión del recurso hídrico local y ofrece una base metodológica replicable, útil como insumo académico o institucional, sin pretensión de implementación automatizada o en tiempo real.
Modelo predictivo para la detección temprana del riesgo de suicidio en policías de Colombia
(Pontificia Universidad Javeriana Cali, 2026) Caicedo Henríquez, Valentina; Barbosa Rodríguez, Mario Fernando; Torres Romero, Juan Sebastián; Arango Londoño, David
El suicidio en la Policía Nacional de Colombia representa un problema crítico de salud pública institucional: en 2011 la tasa alcanzó 18 por cada 100.000 efectivos, triplicando la tasa nacional. Este proyecto aplicado desarrolló un modelo predictivo de detección temprana del riesgo de suicidio en policías activos utilizando una base de datos institucional inédita de la Dirección de Sanidad de la Policía Nacional (DISAN PONAL) con 254 casos confirmados, bajo un diseño caso-control retrospectivo con ventana de observación de 24 meses y horizonte de predicción de 90 días. Se construyeron 42 variables predictoras a partir de fuentes clínicas, laborales y sociodemográficas. Se evaluaron cuatro algoritmos —Regresión Logística, Random Forest, XGBoost y LightGBM— bajo escenarios de desbalance 5:1 y 10:1. El modelo LightGBM en escenario 5:1 obtuvo el mejor desempeño en validación cruzada: AUC-PR = 0.9587, AUC-ROC = 0.9888, F1 = 0.9095, Precisión = 0.919 y Recall = 0.902. Una auditoría de data leakage de cuatro capas redujo el AUC-PR de 1.000 a 0.9587, confirmando la ausencia de contaminación metodológica. La validación temporal (hold-out 2022–2025) reveló una degradación significativa en la métrica primaria (AUC-PR: 0.9587 → 0.6553, −32%), indicando que el modelo requiere recalibración antes del despliegue operativo. El análisis SHAP identificó como predictores dominantes los indicadores de utilización general del sistema de salud —tasa de diagnósticos acumulados, polimedicación, antigüedad institucional y edad— no exclusivamente de salud mental formal. Se calculó el PPV esperado bajo prevalencia real, mostrando que el despliegue directo sobre el universo de efectivos requiere estratificación previa de una subcohorte de riesgo. El análisis de equidad por subgrupos reveló brechas de Recall entre hombres y mujeres y entre policías de alta y baja antigüedad, documentadas como limitaciones. El trabajo aporta un protocolo replicable de auditoría de leakage para diseños caso-control retrospectivos en contextos de salud institucional y un conjunto de seis indicadores de riesgo con potencial de integración en programas preventivos de la DISAN.
Predicción de errores del modelo Black‑Scholes mediante modelos clásicos de ciencia de datos
(Pontificia Universidad Javeriana Cali, 2026) Rojas Ramírez, Julián; Tangarife Acevedo, Natalia María; Torres Valencia, Cristian Alejandro
La valoración precisa de opciones financieras es crucial para la toma de decisiones de inversión informada. El modelo Black-Scholes, aunque fundamental para la valoración teórica de opciones europeas, presenta limitaciones inherentes a sus supuestos que generan discrepancias con los precios reales del mercado. Este proyecto desarrolló un sistema de predicción basado en técnicas de ciencia de datos para predecir y corregir los errores sistemáticos del modelo Black-Scholes, utilizando un dataset de 40,337 contratos de opciones sobre 10 activos representativos del mercado estadounidense. Siguiendo la metodología CRISP-DM, se implementaron y compararon progresivamente seis modelos de aprendizaje automático de complejidad creciente, evaluando su capacidad para ajustar los precios teóricos. Los resultados demuestran que los modelos de ensamble logran las mayores reducciones del RMSE, con Random Forest como mejor modelo para opciones call (82,20%) y XGBoost para opciones put (89,54%) respecto al baseline, evidenciando que el aprendizaje automático puede complementar eficazmente los modelos teóricos de valoración financiera sin reemplazar su estructura fundamental.
Evaluación del impacto de modelos multivariados de machine learning en la precisión del pronóstico de ventas y su efecto en la gestión de la cadena de suministro
(Pontificia Universidad Javeriana Cali, 2026) Vanegas Valencia, Mario Leandro; Sánchez Osorio, Edisson Camilo; Arango Londoño, David
La planeación de la demanda constituye un eje fundamental en la gestión de la cadena de suministro agroindustrial, un sector complejo por la influencia de variables estocástica como el clima, los costos de insumos y la volatilidad macroeconómica. La problemática centra de esta investigación radica en las limitaciones estructurales de los modelos predictivos univariados tradicionales, los cuales presentan una precisión reducida al omití factores externos. La consecuencia, el objetivo principal de este estudio es evaluar y comparar el desempeño predictivo de enfoques estadísticos clásicos (OLS y SARIMAX) frente a algoritmos multivariados de Machine Learning (Random Forest, LightGBM y Prophet). La metodología integró datos transaccionales históricos (2022-2025) de dos familias de productos (Palas y Carretas) con variables exógenas como índices climáticos zonales, abastecimiento agrícola (SIPSA) y tasas de cambio (TRM). El desempeño se evaluó mediante métricas estandarizadas (MAE,RMSE y MAPE) a través de una validación temporal walk-forward. Los resultados empíricos demostraron que la granularidad mensual domina significativamente en la estabilización de la señal predictiva frente a agregaciones diarias o semanales. Asimismo, se evidencia que predecir el volumen (Cantidad) y el Margen Bruto constituyen problemas predictivos disímiles; mientras que Random Forest logró el mejor desempeño en tres de las cuatro series analizadas (reduciendo el MAPE hasta un 14.8% en volumen), SARIMAX demostró ser más robusto para modelar el Margen bruto en series específicas. Se concluir que la adopción de modelos multivariados de ensamble, combinados con un preprocesamiento adecuado de la temporalidad y variables exógenas casuales, optimiza sustancialmente la planeación comercial y operativa en la agroindustria.
Predicción a corto plazo de la demanda eléctrica en una subestación usando modelos de series de tiempo
(Pontificia Universidad Javeriana Cali, 2026) Ordoñez Márquez, Fredy Alejandro; Velásquez Chala, Oscar Fernando; Sánchez Ceballos, José Luis; Arango Londoño, David
Este proyecto aplicado desarrolló y evaluó comparativamente un sistema de predicción a corto plazo (horizonte h=24 horas) de la demanda eléctrica, medida como potencia aparente en voltamperios (VA), registrada horariamente en una subestación eléctrica del sistema de distribución colombiano, a partir de 58,448 observaciones históricas del sistema SCADA correspondientes al período enero 2019 a agosto 2025. La problemática central es la ausencia de herramientas automatizadas de pronóstico a nivel de subestación, que limita la capacidad operativa de los Operadores de Red (OR) para prevenir sobrecargas, optimizar mantenimientos e integrar recursos energéticos distribuidos, en un contexto regulado por la CREG que exige crecientes niveles de eficiencia y calidad de servicio. El proyecto se estructuró en tres objetivos específicos: (i) caracterización estadística de la serie mediante preprocesamiento riguroso, análisis exploratorio, descomposición STL, análisis de autocorrelación y pruebas de estacionariedad ADF-KPSS; (ii) ajuste de las configuraciones de diferentes modelos de cinco familias, estadísticos (SARIMAX), machine learning (XGBoost, Prophet), deep learning especializado (N-HiTS, N-BEATS, TFT), fundacional (Chronos) e híbridos de residual boosting; y (iii) evaluación comparativa mediante validación cruzada temporal con esquema expanding window de 90 ventanas y métricas MASE, MAE y RMSE. El preprocesamiento identificó 456 valores faltantes imputados mediante una red neuronal MLP con baseline estacional ajustado, y detectó outliers con STL + Isolation Forest en un proceso iterativo de tres rondas. El análisis exploratorio reveló un cambio estructural de nivel de +11.6% en enero 2023 como el principal factor de error para los modelos. Los resultados demostraron que solo 7 de 17 configuraciones individuales superan al Seasonal Naïve (MASE < 1.0): Chronos con contexto post-2023 (MASE=0.8645, MAE=224 VA) es el mejor modelo individual, seguido por TFT-GPU (MASE=0.9179) y N-HiTS base (MASE=0.9575, 19 segundos de entrenamiento sin GPU). SARIMAX y XGBoost presentaron sesgos de subestimación de −392 VA/hora y −468 VA/hora respectivamente, inviables para producción sin corrección manual. A partir de estos resultados, la recomendación operativa es implementar el modelo TFT con GPU, utilizar N-HiTS como configuración base cuando no se cuente con GPU, y Chronos como modelo de contingencia cuando el entrenamiento local falla o no hay histórico suficiente.