Projet :
PLANIFICATION ET GESTION DES RESSOURCES EN EAU À PARTIR DE L’ANALYSE DES DONNÉES IoT (WATERoT).
Participants :
CENTIC, HIDROCONTA, UCAM, UPV, VIELCA INGENIEROS.
Résumé :
L’objectif de ce projet est de faciliter l’utilisation, la valorisation et la gestion des ressources en eau par la société grâce au développement d’une infrastructure IoT matérielle et logicielle permettant d’offrir des services intelligents basés sur l’analyse de grands volumes de données liées à la gestion de l’eau.
Convocation :
Ministerio Economía y Empresa Retos Colaboración.
Durée:
4 ans 2018-2021.
Financé par :
MINECO, Ministère de l’Économie, de l’Industrie et de la Compétitivité (MINECO), Agence nationale de recherche (AEI) et Fonds européen de développement régional (FEDER) Numéro de dossier: RTC 2017-6389-5.
Vielca Ingenieros, S.A. (Coordinateur du projet)
Chercheur principal: D. Pablo Blanco López
Universidad Católica San Antonio de Murcia (UCAM)
Chercheur principal: Dr. Javier Senent Aparicio
Centro Tecnológico de las Tecnologías de la Información y las Comunicaciones de la Región de Murcia
Chercheur principal: Dr. D Joaquín Lasheras Velasco
Universitat Politécnica de Valencia (UPV)
Chercheur principal: Dr. D. Carlos Periñán Pascual
HIDROCONTA, S.A.
Chercheur principal: Francisco Pagán Ros
Grâce au cadre de recherche de ce projet, un certain nombre de thèses de doctorat, dont certaines portent la mention de doctorat industriel, ont été lancées. Ces thèses visent à former les membres des entreprises associées au projet à des domaines de recherche susceptibles de renforcer les lignes d’innovation de leurs entreprises respectives. En outre, les personnes recrutées dans le secteur universitaire suivent également une formation doctorale étroitement liée à l’entreprise.
Les thèses de doctorat soutenues sont les suivantes :
1.- Nicolás José Fernández Martínez. 21/10/2020. A Linguistically-aware Computational Approach To Microtext Location Detection. Directores: Dr. D. Carlos Periñán Pascual (UPV) y Dr. D. Ángel Felices Lago (Universidad de Granada). Github: https://github.com/njfm0001/LORE/
2.- Juan José Franco Peñaranda. Infraestructuras IoT eficientes para localización indoor. Doctorado industrial entre la UCAM y CENTIC. Directores: Dr. D. Joaquin Lasheras Velasco (CENTIC) y Dr. D. José M. Cecilia Canales (UCAM-UPV).
3.- Fredy Núñez Torres. 26/11/2021. Diseño y desarrollo de un modelo de desambiguación léxica automática para el procesamiento del lenguaje natural. Directores: Dr. D. Carlos Periñán-Pascual (UPV) y Dr. D. Carlos González Vergara (Pontificia Universidad Católica de Chile). Github: https://github.com/fredyrodrigors/tesis-phd
4.- Pablo Blanco Gómez. Evaluación de la utilidad de datos de satélite para modelización hidrológica de cuencas no aforadas en América Central. Doctorado industrial entre la UCAM y VIELCA Ingenieros. Directores: Dr. D. Javier Senent Aparicio (UCAM) y Dra. Dña. Patricia Jimeno Sáez (UCAM).
5.- Daniel Hernández Vicente. Análisis, diseño y evaluación de algoritmos nóveles de machine learning en entornos IoT. Suscrita al programa de doctorado de informática de la UPV. Directores: Dr. D. Andrés Muñoz Ortega (UCAM) y Dr. D. José M. Cecilia Canales (UCAM-UPV).
6.- Miguel Ángel Guillén Navarro. Diseño e Implementación de un Sistema IoT para la Predicción de Heladas en Cultivos mediante técnicas de Análisis Inteligente de Datos. Suscrita al programa de doctorado de tecnologías de la información e ingeniería ambiental de la UCAM. Directores: Dr. Dña. Raquel Martínez España (UCAM) y Dr. Dña. Belén López Ayuso (UCAM).
7.- Adrián López Ballesteros (Becario FPU). Desarrollo de un modelo integrado de ayuda a la decisión para la gestión de los recursos hídricos en zonas de agricultura intensiva. Suscrita al programa de doctorado de tecnologías de la información e ingeniería ambiental de la UCAM. Director: Dr. D. Javier Senent Aparicio (UCAM).
8.- Sitian Liu. Impact of climate variability and human activities on water resourecs. Suscrita al programa de doctorado de tecnologías de la información e ingeniería ambiental de la UCAM. Directores: Dr. D. Javier Senent Aparicio (UCAM) y Dr. D. Francisco Alcalá (IGME).
9.- Daria Mitroshenko. Design of an intelligent system to analyse sustainability in hospitality: A study in the Mediterranean south coast. Dr. D. Andrés Muñoz (UCAM) y Dra. Dña. Ginesa Martínez (UCAM).
Il énumère également les thèses qui ont commencé leurs recherches dans les lignes du projet et qui sont en train d’être défendues:
1.- Tesis doctoral de Alicia Sepúlveda Muñoz. Desarrollo de aplicaciones nóveles basadas en sensores sociales. (en proceso) Directores: Dr. D. Carlos Periñán Pascual (UPV) y Dr. D. José M. Cecilia Canales (UCAM-UPV)
2.- Tesis doctoral de Yolanda Blázquez López. Tratamiento de los Operadores Contextuales de Cambio de Polaridad en Español y en Inglés para la Minería de Opiniones. (en proceso; fecha estimada de defensa: julio 2022) Directores: Dr. D. Carlos Periñán Pascual (UPV) y Dr. D. Ricardo Mairal Usón (UNED).
L’objectif principal de ce projet est de développer une infrastructure matérielle et logicielle permettant l’analyse en temps réel de grandes quantités de données dans des environnements IoT afin de fournir des solutions innovantes pour la gestion des ressources en eau à court, moyen et long terme. Les points d’intérêt particuliers et la manière dont ils seront atteints sont présentés ci-après sous forme d’objectifs (O):
Objectifs du projet (O):
O1.- Développement de modèles prédictifs de machine learning pour une gestion intelligente des ressources en eau. Les capteurs physiques envoient généralement des informations sous forme de séries temporelles. Cette information est générée 24 heures sur 24, 365 jours par an, générant une énorme quantité de données. Le suivi des variables susceptibles d’influer sur la gestion des ressources en eau présente un intérêt particulier pour ce projet. Parmi ces variables, citons les phénomènes météorologiques tels que le rayonnement solaire, la température ambiante ou la vitesse du vent, pour ne citer que quelques exemples, ou encore la consommation d’eau dans les habitations ou les terres agricoles. Ces variables sont essentielles à la planification et à la gestion des ressources en eau et leur analyse peut prévoir des effets négatifs sur l ‘ optimisation des ressources en eau. Cet objectif implique le développement de modèles prédictifs de machine learning pour fournir des services intelligents permettant d’optimiser la gestion des ressources en eau. La prévision du gel et la prévision de l’évaporation de l’eau dans les bassins d’irrigation seront analysées à titre de cas d’étude. Il est essentiel de disposer suffisamment à l’avance de la valeur de ces variables pour réduire l’impact socio-économique qui y est associé. En outre, ce projet travaillera à l’élaboration de modèles pour la prévision de la qualité de l’eau dans les lagunes côtières. En particulier, la mer Menor sera considérée comme une étude de cas, compte tenu de l’impact socio-économique et environnemental élevé de son eutrophisation récente. Enfin, les variables relatives à la consommation d’eau seront analysées afin d’établir des schémas de consommation des usagers et d’optimiser ainsi l’accès des usagers à l’eau.
O2.- Détection des problèmes résultant d ‘ une mauvaise utilisation ou d ‘ une gestion inefficace des ressources en eau au moyen de capteurs sociaux. Les capteurs physiques (ou électroniques) fournissent des informations quantitatives qui peuvent être enrichies par les informations obtenues par les capteurs sociaux. Le traitement de gros flux de données via les réseaux sociaux tels que Twitter ou Facebook permet de détecter les problèmes de notre environnement et de fournir des informations pertinentes pour un scénario IoT spécifique. Grâce au développement d’un système informatique basé sur la connaissance, ce projet vise à transformer les commentaires disponibles sur les différents réseaux sociaux en informations précieuses permettant de détecter les problèmes liés à une mauvaise utilisation ou à une gestion inefficace de l’eau. Cela sera possible car, en fin de compte, ces capteurs sociaux ont pour but d’alerter immédiatement les organismes responsables d’un problème environnemental déduit des plaintes déposées par les citoyens sur les réseaux sociaux.
O3.- Fusion de données provenant de différentes sources. La combinaison de capteurs physiques et sociaux dans les scénarios IoT peut offrir plusieurs avantages. Les capteurs sociaux peuvent : (1) ajouter sémantiquement aux informations quantitatives des capteurs physiques, (2) fournir des informations là où les capteurs physiques ne sont pas en mesure de mesurer, ou (3) valider les informations des capteurs physiques. En effet, les algorithmes d’apprentissage automatique et les stratégies de visualisation sont obligatoires pour combiner les deux sources d’information afin d’apporter des solutions réelles dans le domaine de la gestion de l’eau.
O4.- Accélération des algorithmes de machine-learning: Les algorithmes développés pour atteindre les objectifs O1, O2 et O3 fonctionneront avec de grands ensembles de données. En outre, ceux-ci doivent être exécutés à un intervalle réduit pour obtenir des interactions en temps réel. Par conséquent, une conception de calcul à haute performance est obligatoire pour accélérer ces algorithmes. Ce projet analysera différents processeurs disponibles dans une infrastructure IoT, des processeurs de faible puissance basés sur des architectures hétérogènes (cœurs Big.Little, HSA, TPU) qui sont intégrés dans des SBC (Single Board Computers) comme Raspberry Pi ou Arduino, aux processeurs hautes performances comme les GPU Nvidia et les architectures Intel Xeon Phi situées sur des serveurs hautes performances.
O5.- Développement d’un prototype fonctionnel. Ce projet mettra au point un prototype fonctionnel d’infrastructure hardware-logiciel pour l’analyse de données sémantiquement enrichies de la gestion des ressources en eau. Cela impliquera le déploiement d’une véritable infrastructure IoT dans différents domaines où la gestion de l’eau est essentielle. En outre, un tableau de bord sera mis au point par le biais d ‘ une application Web qui permettra de recevoir les données des capteurs physiques et sociaux et d ‘ analyser visuellement les indicateurs les plus pertinents pour la gestion des ressources en eau. Il ne fait aucun doute que ce prototype débouchera sur un produit réel et concret qui offrira un service innovant pour la gestion des ressources en eau.
O6.- Obtention de modèles hydrologiques distribués sur base physique. La prévision de variables essentielles à la planification et à la gestion appropriées des ressources en eau, telles que l’estimation des débits dans les bassins non fortifiés ou la prévision du transport des sédiments, est évaluée au moyen d’une modélisation hydrologique classique afin de comparer les résultats obtenus avec ceux obtenus grâce à l’application de techniques d’apprentissage automatique.
Liste des articles publiés dans des revues internationales (JCR) : Les résultats obtenus ont été diffusés dans des revues et des congrès internationaux réputés. Les principales publications issues des résultats du projet sont les suivantes :
1.- Gams, M., Gu, I. Y. H., Härmä, A., Muñoz, A., & Tam, V. (2019). Artificial intelligence and ambient intelligence. Journal of Ambient Intelligence and Smart Environments, 11(1), 71-86. Enlace
2.- GUILLEN-NAVARRO, M. A., MARTINEZ-ESPANA, R., Belen AYUSO & MORENO, L. (2019, August). An LSTM Deep Learning Scheme for Prediction of Low Temperatures in Agriculture. In Intelligent Environments 2019: Workshop Proceedings of the 15th International Conference on Intelligent Environments (Vol. 26, p. 130). IOS Press. Enlace
3.- Guillén‐Navarro, M. A., Martínez‐España, R., López, B., & Cecilia, J. M. (2019). A high‐performance IoT solution to reduce frost damages in stone fruits. Concurrency and Computation: Practice and Experience, e5299. COMPUTER SCIENCE, THEORY & METHODS [55/108] Q3. Enlace
4.- Cecilia, José M., and José M. García. “Re-engineering the ant colony optimization for CMP architectures.” The Journal of Supercomputing (2019): 1-22. COMPUTER SCIENCE, THEORY & METHODS [31/108] Q2. Enlace
5.- Terroso-Saenz, Fernando, Andres Muñoz, and José M. Cecilia. “QUADRIVEN: A framework for qualitative taxi demand prediction based on time-variant online social network data analysis.” Sensors 19.22 (2019): 4882. INSTRUMENTS & INSTRUMENTATION [15/64] Q1. Enlace
6.- Cecilia, J. M. (2020). Guest editors’ note: Special issue on novel high-performance computing algorithms and platforms in bioinformatics. The International Journal of High Performance Computing Applications, 34(1), 3–4 Enlace
7.- Guillén-Navarro, M. A., Martínez-España, R., Llanes, A., Bueno-Crespo, A., & Cecilia, J. M. (2020). A deep learning model to predict lower temperatures in agriculture. Journal of Ambient Intelligence and Smart Environments, (Preprint), 1-14. COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE [90/136] Q3. Enlace
9.- Cebrian, J. M., Imbernón, B., Soto, J., García, J. M., & Cecilia, J. M. (2020). High-throughput fuzzy clustering on heterogeneous architectures. Future Generation Computer Systems, 106, 401-411. COMPUTER SCIENCE, THEORY & METHODS [8/108] Q1. Enlace
10.- Terroso-Saenz, Fernando, and Andres Muñoz. “Land use discovery based on Volunteer Geographic Information classification.” Expert Systems with Applications 140 (2020): 112892. COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE [21/136] Q1. Enlace
11.- Fernández-Martínez, N.J. & Periñán-Pascual, C. LORE: a model for the detection of fine-grained locative references in tweets. Onomazein 52, 195-225. LINGUISTICS [169/183] Q4 Enlace
12.- Navarro, J. M., Martínez-España, R., Bueno-Crespo, A., Martínez, R., & Cecilia, J. M. (2020). Sound Levels Forecasting in an Acoustic Sensor Network Using a Deep Neural Network. Sensors, 20(3), 903 . INSTRUMENTS & INSTRUMENTATION [15/64] Q1. Enlace
13.- Jimeno-Sáez, P., Senent-Aparicio, J., Cecilia, J. M., & Pérez-Sánchez, J. (2020). Using Machine-Learning Algorithms for Eutrophication Modeling: Case Study of Mar Menor Lagoon (Spain). International Journal of Environmental Research and Public Health, 17(4), 1189. ENVIRONMENTAL SCIENCES [105/265] Q2. Enlace
14.- Guillén, M. A., Llanes, A., Imbernón, B., Martínez‑España, R., Bueno‑Crespo, A., Cano, J. C., & Cecilia, J. M. (2020). Performance evaluation of edge‑computing platforms for the prediction of low temperatures in agriculture using deep learning. JOURNAL OF SUPERCOMPUTING. COMPUTER SCIENCE, THEORY & METHODS [31/108] Q2. Enlace
15.- Muñoz, A., Park, J., Mouazen, A. M., de Oliveira, J. B., & Moshou, D. (2020). Smart environments and ambient intelligence in agricultural and environmental technology. Journal of Ambient Intelligence and Smart Environments, 12(5), 1-2. Enlace
16.- Jimeno-Sáez, P., Blanco-Gómez, P., Péres-Sánchez, J., Cecilia, J.M. & Senent- Aparicio, J. (2021). Impact Assessment of Gridded Precipitation Products on Streamflow Simulations over a Poorly Gauged Basin in El Salvador. Water 13 (18), 2497. WATER RESOURCES, [31/94] Q2. Enlace
17.- Cadenas, J. M., Garrido, M. C., Martínez-España, R., & Guillén-Navarro, M. A. (2020). Making decisions for frost prediction in agricultural crops in a soft computing framework. Computers and Electronics in Agriculture, 175, 105587. Enlace
18.- Cadenas, J. M., Garrido, M. C., & Martinez-España, R. (2020). Development of an application to make knowledge available to the farmer: Detection of the most suitable crops for a more sustainable agriculture. Journal of Ambient Intelligence and Smart Environments, 12(5), 419-432. Enlace
19.- Cecilia, J. M., Cano, J. C., Morales-García, J., Llanes, A., & Imbernón, B. (2020). Evaluation of Clustering Algorithms on GPU-Based Edge Computing Platforms. Sensors, 20(21), 6335. Enlace
20.- Andreo-Martínez, P., Ortiz-Martínez, V.M., Muñoz, A., Menchón-Sánchez, P., Quesada-Medina, J. (2021). A web application to estimate the carbon footprint of constructed wetlands, Environmental Modelling & Software, 135, 104898 Enlace
21.- Terroso-Sáenz, F., Muñoz, A., Arcas, F. (2021). Land-use dynamic discovery based on heterogeneous mobility sources, International Journal of Intelligent Systems, In press Enlace
22.- Guillén-Navarro, M. A., Martínez-España, R., Bueno-Crespo, A., Morales-García, J., Ayuso, B., & Cecilia, J. M. (2020). A decision support system for water optimization in anti-frost techniques by sprinklers. Sensors, 20(24), 7129. Enlace
23.- Cebrian, J. M., Imbernón, B., Soto, J., & Cecilia, J. M. (2021). Evaluation of Clustering Algorithms on HPC Platforms. Mathematics, 9(17), 2156. MATHEMATICS[24/330] Q1. Enlace
24.- FERNÁNDEZ MARTÍNEZ, N. J., & PERIÑÁN PASCUAL, C. (2020). Knowledge-based rules for the extraction of complex, fine-grained locative references from tweets. RaeL: Revista Electronica de Linguistica Aplicada, 19.
25.- Terroso-Sáenz, F., Muñoz, A., Fernández-Pedauye, J., & Cecilia, J. M. (2021). Human Mobility Prediction with Region-based Flows and Water Consumption. IEEE Access, 9, 88651 – 88663, doi: 10.1109/ACCESS.2021.3090582.
26.- Cecilia, J. M., Cano, J., Calafate, C. T., Manzoni, P., Perinan-Pascual, C., Arcas-Tunez, F., & Munoz-Ortega, A. (2021). WATERSensing: A smart warning system for natural disasters in Spain. IEEE Consumer Electronics Magazine. doi: 10.1109/MCE.2021.3063703.
27.- Senent-Aparicio, J., Jimeno-Sáez, P., López-Ballesteros, A., Giménez, J. G., Pérez-Sánchez, J., Cecilia, J. M., & Srinivasan, R. (2021). Impacts of swat weather generator statistics from high-resolution datasets on monthly streamflow simulation over Peninsular Spain. Journal of Hydrology: Regional Studies, 35, 100826. Enlace
28.- Senent-Aparicio, J., George, C., & Srinivasan, R. (2021). Introducing a new post-processing tool for the SWAT+ model to evaluate environmental flows. Environmental Modelling & Software, 136, 104944. Enlace
29.- Guillén, M. A., Llanes, A., Imbernón, B., Martínez-España, R., Bueno-Crespo, A., Cano, J. C., & Cecilia, J. M. (2021). Performance evaluation of edge-computing platforms for the prediction of low temperatures in agriculture using deep learning. The Journal of Supercomputing, 77(1), 818-840.
30.- Nakamura, K., Hernández, D., Cecilia, J. M., Manzoni, P., Zennaro, M., Cano, J. C., & Calafate, C. T. (2021). LADEA: A Software Infrastructure for Audio Delivery and Analytics. Mobile Networks and Applications, 1-7.
31.- Garrido, M. C., Cadenas, J. M., Bueno-Crespo, A., Martínez-España, R., Giménez, J. G., & Cecilia, J. M. (2022). Evaporation Forecasting through Interpretable Data Analysis Techniques. Electronics, 11(4), 536. ENGINEERING, ELECTRICAL & ELECTRONIC [145/273] Q3. Enlace
32.- Jimeno-Sáez, P., Martínez-España, R., Casalí, J., Pérez-Sánchez, J., Senent-Aparicio, J. (2022). A comparison of performance of SWAT and machine learning models for predicting sediment load in a forested Basin, Northern Spain. Catena, 212, 105953. WATER RESOURCES [12/98] Q1. Enlace
Activités d’internationalisation
Ce projet a permis d’établir des contacts avec d’autres chercheurs internationaux en vue d’obtenir un financement international. Plus précisément, le financement international ci-après a été demandé au cours de cette année :
1.- PRIMA S1 2019 FARMING SYSTEMS IA. Cet appel a été lancé pour le projet OPTIGREEN, dont l’objectif principal était de développer des techniques intelligentes de contrôle et de surveillance des serres sensibles à l’aide des technologies IoT. Neuf partenaires d’Espagne, de France, d’Italie, de Grèce, du Portugal et du Maroc y ont participé. La société NUTRICONTROL a coordonné la proposition. L’équipe de l’UCAM était dirigée par le Dr Andrés Muñoz Ortega. La proposition n’a pas été retenue pour la phase finale.
2.- Eurolab-4-HPC. Le projet européen Eurolab-4-HPC 2019 a été sollicité pour l’étude de marché des technologies développées dans le cadre de ce projet.
3.- MSCA-ITN-2020: L’UPV a appliqué une action Marie-Curie avec le projet RIOT: Enabling IoT in rural scenarios avec un budget total de 3,6M€. An holistic approach, avec une note de 72,2 sur 100.
4.- CHIST-ERA 2019 (Novel computational approaches for Environmental Sustainability). Les membres de l’UPV et de l’UCAM dirigés par le Dr Cecilia ont postulé à cet appel avec le projet FloodingOT pour un budget total de 1.089.515,81€.
5.- Research and Innovation action Topic FETPROACT-EIC-08-2020. L’UPV, l’UCAM et la VIELCA ont appliqué cet appel d’offres au sein d’un consortium international avec le projet SMARTLAGOON, avec un budget total d’environ 4 millions d’euros.
Il convient également de souligner l’organisation de deux manifestations scientifiques sur des thèmes liés au projet. D’une part, l’atelier “Intelligent Systems for Agriculture Production and Environment Protection (ISAPEP)” a été organisé en juin 2019 à Rabat, au Maroc dans le cadre de la conférence internationale “International Conference on Intelligent Environments (IE)”, et est dirigé par le Dr Andrés Muñoz Ortega. Il s’agit de la troisième édition de l’atelier qui attire des chercheurs intéressés par l’application de systèmes intelligents aux problèmes agricoles et environnementaux. Par ailleurs, la 8e Conférence internationale sur la représentation des significations et des connaissances (MKR) s’est tenue du 3 au 5 juillet 2019. Comme lors des éditions précédentes, ce congrès se concentre sur des études liées à la signification et à la représentation du savoir dans le contexte multidisciplinaire de la compréhension du langage naturel, non seulement du point de vue de la linguistique et des sciences cognitives, mais aussi de l’ingénierie du savoir et de l’intelligence artificielle, entre autres domaines. Ces deux événements ont permis d’établir de nouveaux contacts avec d’autres chercheurs.
Autres propositions de financement en cours d’élaboration :
En plus de ceux décrits ci-dessus et à la suite des résultats de recherche découlant du projet, les membres du consortium soumettent des candidatures à d’autres appels à projets énumérés ci-dessous, par catégories:
COVIDSensing
Le groupe de recherche, composé de membres de l’Université Politècnica de València (UPV) et de l’Université Catholique San Antonio de Murcia (UCAM), a développé un prototype d’outil de capteurs sociaux pour la gestion des problèmes liés à l’eau à la suite de l’activité 1. Cet outil, baptisé WATERSensing, est basé sur l’analyse en temps réel de grandes quantités d’informations provenant de différentes sources (par exemple, les réseaux sociaux et les capteurs physiques). Grâce aux bons résultats préliminaires de WATERSensing et motivés par l’urgence sanitaire provoquée par la maladie COVID-19, l’équipe de recherche formée par l’UPV, l’UCAM et la VIELCA a décidé d’orienter toutes ses ressources vers l’adaptation de WATERSensing à la gestion de la crise provoquée par la pandémie, aboutissant au prototype d’application COVIDSensing (COVIDSensing.com) et pour laquelle plusieurs aides ont été demandées :
– Fondos Supera COVID-19 Santader-CRUE. “Sistema de monitorización de las percepciones y preocupaciones de la gente respecto a la pandemia COVID-19”. Miembros: UCAM, UPV.
– La Caixa Foundation: “A social sensing strategy to build a systemic understanding of the socio-sanitary interrelations derived from the COVID-19 pandemic in Spain” Miembros: UCAM, UPV.
– Data-IA-COVID-19, Fundación BBVA: Diseño de un gemelo digital para la gestión eficiente de la pandemia COVID-19. Miembros: UCAM, UPV.
– Convocatoria FONDO-COVID19, Instituto de Salud Carlos III. COVIDSensing: Système d’alerte basé sur des capteurs sociaux pour la surveillance épidémiologique. Miembros: UPV.
– Convocatoria COVID-19 A PROYECTOS DE I+D E INVERSIÓN 2020, CDTI. Rédaction. Miembros: UPV y VIELCA.
IoT + AI
– Retos de la sociedad. Ministère de la science et de l’innovation (Génération de connaissances) Capteurs sociaux dans les villes intelligentes: fusion d’informations multimodales sur les réseaux sociaux pour la détection de problèmes dans de multiples domaines. Miembros: UCAM, UPV.
– Becas Leonardo a Investigadores y Creadores Culturales 2020.: Infraestructuras IoT de altas prestaciones para el análisis de datos en tiempo real. Miembros: UPV
Diffusion des résultats
– Ministerio de ciencia e innovación (FECYT). HYDROTWEET Reconstrucción de avenidas mediante ciencia ciudadana y redes sociales. Miembros: UCAM.
Activités de vulgarisation scientifique :
1.- Séminaire en ligne Application des techniques de machine learning pour la gestion des ressources en eau. Observatorio del Agua. Fundación Botín. 5 mai 2020
2.- MESA REDONDA: IoT, BIGDATA Y CONTROL INTELIGENTE AL SERVICIO DEL AGUA. Jornadas Smart Water. DIATIC 2019. 17 mai 2019.
3.- Asamblea del Centro tecnológico de las TICS, ante las 50 empresas socias del centro que se pueden consultar en https://centic.es/quienes-somos/nuestras-empresas/, donde se expusieron los resultados obtenidos del proyecto.
Congrès nationaux et internationaux :
1.- Guillén-Navarro, M Ángel; Martínez-España, Raquel; Bueno-Crespo, Andrés; Ayuso, Belén; Moreno, Jose Luis; Cecilia, José M; ,An LSTM Deep Learning Scheme for Prediction of Low Temperatures in Agriculture.,Intelligent Environments (Workshops),130-138,2019.
2.- Fernández-Martínez, Nicolás José; Periñán-Pascual, Carlos; Felices-Lago, Ángel Miguel; A linguistically-aware model for microtext geocoding. VIII International Conference on Meaning and Knowledge Representation, 2019.
3.- Carlos Periñán-Pascual, José M. Cecilia, Alicia Sepúlveda-Muñoz, Francisco Arcas-Túnez y Nicolás José Fernández-Martínez. Assessing the Impact of Tweets in Flood Events; 1st International Workshop on Social Media Analysis for Intelligent Environment (16th International Conference on Intelligent Environments), 2020.
4.- Fernández Pedauyé, Julio, Periñán-Pascual, Carlos, Arcas Túnez, Francisco y Cecilia Canales, José M. Evaluation of spaCy entity recognizer for crowdsensing; 1st International Workshop on Open and Crowdsourced Location Data (16th International Conference on Intelligent Environments), 2020.
5.- Cadenas, J. M., Garrido, M. C., & Martinez-España, R, Towards the characterization of agricultural regions based on weather conditions – Sustainable Agriculture. Intelligent Environments 2020: Workshop Proceedings of the 16th International Conference on Intelligent Environments (Vol. 28). 143-151 IOS Press, 2020.
6.- Nakamura, K., Manzoni, P., Zennaro, M., Cano, J. C., Calafate, C. T., & Cecilia, J. M. (2020, September). FUDGE: a frugal edge node for advanced IoT solutions in contexts with limited resources. In Proceedings of the 1st Workshop on Experiences with the Design and Implementation of Frugal Smart Objects (pp. 30-35).
7.- Fernández-Pedauye, J., Periñán-Pascual, C., Arcas-Túnez, F., & Cecilia, J. M. (2020). Enhancing the spaCy Named Entity Recognizer for Crowdsensing. In Intelligent Environments 2020 (pp. 361-367). IOS Press.
8.- García, J. M., Llanes, A., Tudela, B. I., & Cecilia, J. M. (2020). Performance Evaluation of Clustering Algorithms on GPUs. In Intelligent Environments 2020 Workshop Proceedings of the 16th International Conference on Intelligent Environments (pp. 400-409). IOS Press.
9.- Pascual, C. P., Cecilia, J. M., Muñoz, A. S., Túnez, F. A., & Martínez, N. J. F. (2020). Assessing the Impact of Tweets in Flood Events. In Intelligent Environments 2020 Workshop Proceedings of the 16th International Conference on Intelligent Environments (pp. 371-380). IOS Press.
10.- Fernández Martínez, Nicolás José and Carlos Periñán-Pascual (2020) “Knowledgebased rules for the extraction of complex, fine-grained locative references from tweets”. RAEL: Revista Electrónica de Lingüística Aplicada 19 (1), pp. 136-163..
11.- Pérez-Sánchez, J., Senent-Aparicio, J., Jimeno-Sáez, P., Casalí, J., Martínez-España, R. Comparison between SWAT and Machine Learning Techniques for Sediment Load Estimation in a Forested Basin. AGU Fall Meeting 2021
Organisation de conférences et workshops
1.- International Workshop on Social Media Analysis for Intelligent Environment (SMAIE), organizado por Dra. Raquel Martínez-España y Dr. Andrés Bueno Crespo
2.- International Workshop on Intelligent Systems for Agriculture Production and Environment Protection (ISAPEP), organizado por Dr. Andrés Muñoz Ortega y Dr. José Martín Soriano-Disla
3.- International Workshop on Open and Crowdsourced Location Data(ISOCLOD), organizado por Dr. Fernando Terroso-Sáenz y Dr. Andrés Muñoz Ortega
4.- Special Track on IT for Environmental Intelligence as part of the ACM International Conference on Information Technology for Social Good (GoodIT 2021).
5.- IEEE/ACM DS-RT 2021 The 25th International Symposium on Distributed Simulation and Real Time Applications.
Séjour des chercheurs
Dr. Javier Senent Aparicio
Entidad de realización: Aarhus University
Ciudad entidad realización: Aarhus, Dinamarca
Fecha de inicio-fin: 01/02/2020 – 30/04/2020
Duración: 3 meses
Nombre del programa: Beca Jiménez de la Espada – Fundación Séneca
Objetivos de la estancia: Posdoctoral
Dr. Javier Senent Aparicio
Entidad de realización: Texas A&M University
Tipo de entidad: Universidad
Facultad, instituto, centro: Ecosystem Science & Management Department
Ciudad entidad realización: College Station, Estados Unidos de América
Fecha de inicio-fin: 01/02/2019 – 30/04/2019
Duración: 3 meses
Entidad financiadora: Beca Fulbright
Tipo de entidad: Fundación
Nombre del programa: Programa Fulbright para Investigadores Posdoctorales
Objetivos de la estancia: Posdoctoral
Activités entrepreneuriales
Les chercheurs José M. Cecilia et Andrés Muñoz ont participé à deux activités d’entrepreneuriat scientifique au cours de la période de mise en œuvre de ce projet. Concrètement, ces activités sont les suivantes : Concession et réalisation du test de concept “Exploration de marché, viabilité commerciale et processus d’intelligence compétitive de l’analyse des capteurs sociaux”, financé par la Fondation Séneca à hauteur de 30.000€ au cours de l’année 2019. Envoi d’une proposition d’entreprise scientifique dans le programme Spin-ON organisé par le Vice-rectorat de la Recherche et l’Institut Technologique de Murcie de l’Université Catholique San Antonio (UCAM) . En cours d’évaluation.
Activités entrepreneuriales
1.- Vielca Ingenieros dirigera un projet de recherche pour optimiser la gestion intelligente des ressources en eau Lien
2.- Internet des objets”et la technologie Hydroconta pour une gestion efficace de l’eau Enlace
3.- Une recherche pour optimiser la gestion de l’eau reçoit 1,3 M€ du Ministère Enlace
4.- Nouvelles dérivées de la publication de WATERSensing Enlace
5.- Ils créent une application qui aide à gérer les catastrophes en publiant sur les réseaux sociaux – Levante-EMV Enlace
6.- Des chercheurs valenciens développent un système qui analyse les inondations à partir de publications sur les réseaux Enlace
7.- WATERSensing, une application qui aide à gérer en temps réel les phénomènes climatiques défavorables Enlace
8.- Nous avons parlé avec José Maria Cecilia, chercheur de l’UPV, à propos de l’application “Watersensing” Enlace
9.- Une ‘app’ aide à gérer les catastrophes provoquées par des tempêtes majeures à partir de publications sur les réseaux Enlace
10.- WaterSensing, l’application qui anticipe avec les réseaux sociaux la gestion des crises d’épisodes climatiques extrêmes Enlace
1.- José M. Cecilia. Intervención en MESA REDONDA: IoT, BIGDATA Y CONTROL INTELIGENTE AL SERVICIO DEL AGUA. Ponencia Invitada en Jornadas Smart Water. DIATIC 2019 Murcia jueves, 16 de mayo de 2019. Organisé par Collège Professionnel des Ingénieurs en Informatique de la Région de Murcie
2.- José M. Cecilia. Séminaire en ligne Application des techniques de machine learning pour la gestion des ressources en eau. Observatorio del Agua. Fundación Botín. 5 mai 2020.
3.- Andrés Muñoz. Webinar “Inteligencia Artificial: la Verdadera Revolución de Nuestra Sociedad”. Organizado por Fundación Integra, 10 Noviembre 2020.
4.-SensingTools: Digitization for process optimization through data efficient data integration. Seminario online en Queens University. Vendredi 11 juin 2021.
5.-El uso de sensores sociales en la gestión de servicios públicos SensingTools. Dentro de la “Asistencia Técnica para el Análisis de la Gestión Comercial” realizada para el Instituto Costarricense de Acueductos y Alcantarillados (AyA). 6 mai 2021.
6.-El uso de sensores sociales en la gestión de servicios públicos SensingTools. Dentro de la “Asesoría sobre equipamiento y tecnología para optimizar la gestión comercial y la atención del Agua No Facturada” realizada para la Administración Nacional de Agua Potable y Saneamiento (ANDA) de la República de El Salvador. 30 avril 2021.
7.-Fusión de Datos y análisis en tiempo real: claves para el incremento de la eficiencia. Charla online Expertos CENTIC. 10 décembre 2020.
8.-Deep learning, sobrepasando la frontera del Machine Learning. Webinar CENTIC. 1er décembre 2020
9.-Planificación y gestión de recursos hídricos a partir del análisis de datos de IoT (WateroT). Instituto Universitario de Investigación Informática. 19 novembre 2020.
10.-Seminario Online Aplicación de técnicas de machine learning para la gestión de los recursos hídricos. Observatorio del Agua. Fundación Botín. 5 mai 2020.
