Extensión de Isolation Forest Para Caracterización de Anomalías: Aplicación En Redes de Agua Potable

La digitalización de infraestructuras y el uso de algoritmos de inteligencia artificial permite la detección de anomalías de forma rápida e incluso sin conocer su origen. Pero una vez detectadas, se debe priorizar su resolución y hacerlo de la forma más eficiente. Para priorizar es necesario determinar el nivel de gravedad de anomalía, y para ser eficientes es necesario tener indicios sobre su origen y lugar de incidencia. En este trabajo se propone extender el algoritmo Isolation Forest mediante el análisis basado en contextos y particiones que permite determinar el origen de las anomalías, y la generación de indicadores de reincidencia e impacto para establecer la gravedad y así priorizar la atención. Además, hemos validado la propuesta sobre infraestructuras hídricas críticas reales de producción de agua potable en una ciudad del sureste de España, demostrando la viabilidad y valor que aporta