{rfName}
Pr

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

32

Altmetrics

Investigadores/as Institucionales

Guerra-Rodriguez, SoniaAutor o CoautorRodriguez-Chueca, JorgeAutor o Coautor

Compartir

26 de mayo de 2024
Publicaciones
>
Artículo
Sí

Predictive modeling of Enterococcus sp. removal with limited data from different advanced oxidation processes: A machine learning approach

Publicado en: Journal of Environmental Chemical Engineering. 12 (3): 112530- - 2024-06-01 12(3), DOI: 10.1016/j.jece.2024.112530

Autores:

Pascacio, P; Vicente, DJ; Salazar, F; Guerra-Rodríguez, S; Rodríguez-Chueca, J
[+]

Afiliaciones

Int Ctr Numer Methods Engn CIMNE, Barcelona 08034, Spain - Autor o Coautor
Univ Politecn Catalunya UPC, Flumen Res Inst, Barcelona 08034, Spain - Autor o Coautor
Univ Politecn Madrid, Escuela Tecn Super Ingn Ind, Dept Ind Chem & Environm Engn, 28006 Madrid, Spain - Autor o Coautor
Ver más

Resumen

The removal of contaminants through Advanced Oxidation Processes (AOPs) is a complex task that demands the simultaneous consideration of multiple operating parameters, such as type and concentration of oxidant and catalyst, type and intensity of radiation, composition of aqueous matrix, etc. Designing efficient AOPs often requires expensive and time-consuming laboratory experiments. To improve this process, this study proposes a Machine Learning approach based on a Random Forest (RF) model, to predict Enterococcus sp. concentration in wastewater treated with various AOPs, even when dealing with limited data. To assess our approach under diverse conditions, a data partitioning methodology is used to categorize the different AOPs into three distinct study cases of increasing complexity, from Case I to Case III. The evaluation of the RF model's performance, combined with the data partitioning methodology, demonstrated its usefulness in predicting missing or additional disinfection values at any instant during the AOPs. Specifically, in Case I, the model excels at generalizing predictions across various AOP treatments, followed by Case II and III, which achieve Root Mean Squared Error (RMSE) values below or comparable to the average RMSE of Case I (0.72) in 8 out of 15 and 2 out of 4 treatments, respectively. Moreover, the effects of imbalanced data on model performance are discussed. This highlights the potential of our approach to assess AOPs performance and facilitate the design of new experiments of the same treatment type without the need for additional laboratory trials, even in challenging conditions.
[+]

Palabras clave

Advanced oxidation processesChlorineData partitionEnterococcus sp.FentoMachine learninMachine learningRandom forestWaste-waterWastewater treatment

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Journal of Environmental Chemical Engineering debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2024 aún no existen indicios calculados, pero en 2023, se encontraba en la posición 25/176, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Engineering, Chemical.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-26:

  • WoS: 15
  • Scopus: 17
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-26:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 25 (PlumX).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/95384/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 9
  • Descargas: 2
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Último Autor (RODRIGUEZ CHUECA, JORGE JESUS).

[+]

Reconocimientos ligados al ítem

The publication is part of Projects TED2021-129969A-C32 and TED2021-129969B-C33 funded by MCIN/AEI/10.13039/501100011033 and by "European Union NextGenerationEU/PRTR". Sonia Guerra -Rodriguez acknowledges the Universidad Politecnica de Madrid (UPM) for the financial support provided through the predoctoral contract granted within the "Programa Propio". Jorge Rodriguez- Chueca acknowledges Comunidad de Madrid by the pluriannual agreement with the Polytechnic University of Madrid in the line of action Programme of Excellence for University Teaching Staff (M190020074BJJRC) . This work was also funded by the Spanish Ministry of Economy and Competitiveness through the "Severo Ochoa Programme for Centres of Excellence in R & D" (CEX2018-000797-S) and the Generalitat de Catalonia through the CERCA Program.
[+]