Proyecto:
PLANIFICACIÓN Y GESTIÓN DE RECURSOS HÍDRICOS A PARTIR DE ANÁLISIS DE DATOS DE IoT (WATERoT).
Participantes:
CENTIC, HIDROCONTA, UCAM, UPV, VIELCA INGENIEROS.
Resumen:
El objetivo de este proyecto es facilitar el camino hacia un mejor uso, valorización y administración de fuentes de agua por parte de la sociedad mediante el desarrollo de una infraestructura IoT hardware y software que permita ofrecer servicios inteligentes a partir del análisis de grandes volúmenes de datos relacionados con la gestión de recursos hídricos.
Convocatoria:
Ministerio Economía y Empresa Retos Colaboración.
Duración:
4 años 2018-2021.
Financiado por:
MINECO, Ministerio de Economía, Industria y Competitividad (MINECO), Agencia Estatal de Investigación (AEI) y al Fondo Europeo de Desarrollo Regional (FEDER) Num Expediente: RTC 2017-6389-5.
Vielca Ingenieros, S.A. (Coordinador del proyecto)
Investigador Principal: D. Pablo Blanco López
Universidad Católica San Antonio de Murcia (UCAM)
Investigador Principal: Dr. Javier Senent Aparicio
Centro Tecnológico de las Tecnologías de la Información y las Comunicaciones de la Región de Murcia
Investigador Principal: Dr. D Joaquín Lasheras Velasco
Universitat Politécnica de Valencia (UPV)
Investigador Principal: Dr. D. Carlos Periñán Pascual
HIDROCONTA, S.A.
Investigador Principal: Francisco Pagán Ros
Gracias al marco investigador de este proyecto, se han empezado a desarrollar una serie de tesis doctorales, alguna de ellas, con la mención de doctorado industrial. Estas tesis pretenden formar a miembros de las empresas asociadas con el proyecto en aspectos de investigación que puedan fortalecer las líneas de innovación de sus respectivas empresas. Además, los contratados en la parte académica también están recibiendo una formación doctoral muy vinculada a la empresa.
A continuación, se indican las tesis doctorales defendidas:
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).
También se listan las tesis que ha comenzado su investigación en líneas del proyecto y que están en proceso de ser defendidas:
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).
El objetivo principal de este proyecto es desarrollar una infraestructura hardware y software para permitir el análisis de grandes cantidades de datos en tiempo real en entornos de IoT con el fin de proporcionar soluciones novedosas para la gestión de recursos hídricos a corto, medio y largo plazo. Los puntos de interés particulares y la forma en que se lograrán se tratan a continuación en forma de objetivos (O):
Objetivos del proyecto (O):
O1.- Desarrollo de modelos predictivos de machine learning para la gestión inteligente de recursos hídricos. Los sensores físicos generalmente envían información en forma de series temporales. Esta información se genera de manera ininterrumpida las 24 horas del día, los 365 días del año, generando un ingente cantidad de datos. De particular interés para este proyecto es la monitorización de variables que puedan influir en la gestión de recursos hídricos. Entre estas variables podemos destacar los fenómenos meteorológicos como la radiación solar, la temperatura ambiente o la velocidad del viento, por mencionar algunos ejemplos o el consumo de agua en viviendas o terrenos agrícolas. Este tipo de variables son fundamentales para la planificación y gestión de los recursos hídricos, y cuyo análisis puede predecir efectos adversos para su optimización. Este objetivo plantea el desarrollo de modelos predictivos de machine learning para ofrecer servicios inteligentes que permitan optimizar la gestión de recursos hídricos. Como casos de estudio se analizará tanto la predicción de heladas como la predicción de la evaporación del agua en balsas de regadío. La necesidad de disponer con cierta antelación del valor de dichas variables es fundamental con objeto de reducir el impacto socioeconómico asociado a las mismas. Además, este proyecto trabajará en la elaboración de modelos para la predicción de la calidad de aguas en lagunas costeras. En concreto, se analizará el Mar Menor como caso de estudio dado el alto impacto socioeconómico y medioambiental que supone su reciente eutrofización. Finalmente, se analizarán variables de consumo de aguas para establecer patrones de consumo por parte de los usuarios y así poder optimizar el acceso al agua por parte de los usuarios.
O2.- Detección de problemas derivados del mal uso o la gestión ineficaz de los recursos hídricos mediante sensores sociales. Los sensores físicos (o electrónicos) ofrecen información cuantitativa que puede enriquecerse a través de la información obtenida por medio de los sensores sociales. El procesamiento de grandes flujos de datos a través de redes sociales como Twitter o Facebook permitirá descubrir problemas de nuestro entorno, proporcionando así información relevante para un escenario concreto de IoT. Mediante el desarrollo de un sistema informático basado en conocimiento, este proyecto pretende convertir los comentarios disponibles en diferentes redes sociales en información valiosa para la detección de problemas derivados de un mal uso o una gestión ineficaz del agua. Esto será posible debido a que, en última instancia, la finalidad de estos sensores sociales es alertar de manera inmediata a los organismos responsables sobre un problema medioambiental inferido a través de las quejas que los ciudadanos presentan en las redes sociales.
O3.- Fusión de datos de distintas fuentes. La combinación de sensores físicos y sociales en escenarios de IoT puede ofrecer varias ventajas. Los sensores sociales pueden: (1) agregar semántica a la información cuantitativa de los sensores físicos, (2) proporcionar información donde los sensores físicos no son capaces de medir, o (3) validar la información del sensor físicos. De hecho, los algoritmos de aprendizaje máquina y las estrategias de visualización son obligatorias para combinar ambas fuentes de información con el fin de aportar soluciones reales en el ámbito de la gestión de recursos hídricos.
O4.- Aceleración de los algoritmos de machine-learning: Los algoritmos desarrollados para cumplir los objetivos O1, O2 y O3 trabajarán con grandes conjuntos de datos. Además, estos se deberán ejecutar en un intervalo de reducido para lograr interacciones en tiempo real. Por tanto, es obligatorio un diseño de computación de alto rendimiento para acelerar estos algoritmos. Este proyecto analizará diferentes procesadores disponibles en una infraestructura IoT, desde procesadores de baja potencia basados en arquitecturas heterogéneas (núcleos Big.Little, HSA, TPUs) que estén embebidos en SBCs (Single Board Computers) como Raspberry Pi o Arduino, hasta procesadores de alto rendimiento como GPUs Nvidia, arquitecturas Intel Xeon Phi localizados en servidores de altas prestaciones.
O5.- Desarrollo de un prototipo funcional. Este proyecto desarrollará un prototipo funcional de la infraestructura hardware-software para el análisis de datos semánticamente enriquecidos de la gestión de recursos hídricos. Esto supondrá el despliegue de una infraestructura real IoT en diferentes terrenos donde la gestión de recursos hídricos es crítica. Además, se desarrollará un cuadro de mando a través de una aplicación web donde se reciban los datos de los sensores físicos y sociales y a través del cual se podrán analizar visualmente los indicadores más relevantes para la gestión de recursos hídricos. Sin lugar a dudas este prototipo derivará en un producto real y concreto que ofrecerá un servicio novedoso para la gestión de recursos hídricos.
O6.- Obtención de modelos hidrológicos distribuidos con base física. La predicción de variables fundamentales para la correcta planificación y gestión de los recursos hídricos como la estimación de caudales en cuencas no aforadas o la predicción del transporte de sedimentos, se evaluará mediante modelización hidrológica clásica con objeto de comparar los resultados obtenidos con aquellos procedentes de la aplicación de técnicas de machine learning.
Listado de artículos en revistas internacionales (JCR): Los resultados obtenidos se han diseminado en revistas y congresos internacionales de reconocido presitigio. Se lista a cotinuación las prinicpales publicaciones derivadas de los resultados del proyecto:
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
Actividades de internacionalización
Gracias a este proyecto se ha podido contactar con otros investigadores internacionales para poder acudir a financiación externa internacional. En concreto, en esta anualidad se ha solicitado la siguiente financiación internacional:
1.- PRIMA S1 2019 FARMING SYSTEMS IA. Se aplicó a esta convocatoria paconra el proyecto OPTIGREEN, cuyo objetivo principal era desarrollar técnicas inteligentes para el control y monitoreo de invernaderos sensorizados mediante el uso de tecnologías IoT. Participaron 9 socios de España, Francia, Italia, Grecia, Portugal y Marruecos. La empresa NUTRICONTROL fue el coordinador de la propuesta. El equipo de la UCAM estuvo liderado por el Dr. Andrés Muñoz Ortega. La propuesta no fue seleccionada para la fase final.
2.- Eurolab-4-HPC. Se ha solicitado el proyecto europeo Eurolab-4-HPC 2019 para la exploración de mercado de las tecnologías desarrolladas en este proyecto.
3.- MSCA-ITN-2020: La UPV aplicó a una acción Marie-Curie con el proyecto RIOT: Enabling IoT in rural scenarios con un presupuesto total de 3,6M€. An holistic approach, con una calificación de 72,2 sobre 100.
4.- CHIST-ERA 2019 (Novel computational approaches for Environmental Sustainability). Miembros de la UPV y la UCAM dirigidos por el Dr. Cecilia aplicaron a esta convocatoria con el proyecto FloodingOT con un presupuesto total de 1.089.515,81€.
5.- Research and Innovation action Topic FETPROACT-EIC-08-2020. La UPV, UCAM y VIELCA han aplicado dentro de un consorcio internacional a esta convocatoria con el proyecto SMARTLAGOON, con un presupuesto total de cerca de 4M€.
Hay que destacar también la organización de dos eventos científicos con temática vinculada al proyecto. Por una parte, se organizó Workshop “Intelligent Systems for Agriculture Production and Environment Protection (ISAPEP)” en junio de 2019 en Rabat, Marruecos dentro de la conferencia internacional “International Conference on Intelligent Environments (IE)”, y que está dirigido por el Dr. Andrés Muñoz Ortega. Ésta ha sido la 3ª edición del workshop que atrae a investigadores relacionados con la aplicación de sistemas inteligentes a problemas de agricultura y medio ambiente. Por otra parte, se organizó el 8th International Conference on Meaning and Knowledge Representation (MKR), celebrado desde el 3 hasta el 5 de julio de 2019. Al igual que en ediciones anteriores, este congreso se centra en estudios relacionados con el significado y la representación de conocimiento en el contexto multidisciplinar de la comprensión del lenguaje natural, no solo desde la perspectiva de la lingüística y la ciencia cognitiva sino también de la ingeniería del conocimiento y la inteligencia artificial, entre otros campos. Ambos eventos permitieron establecer nuevos contactos con otros investigadores.
Otras propuestas de financiación en preparación:
Además de las anteriormente descritas y como consecuencia de los resultados de investigación que están derivando del proyecto, los miembros del consorcio están aplicando a otras convocatorias de proyectos que se listan a continuación por categorías:
COVIDSensing
El grupo de investigación, formado por miembros de la Universitat Politècnica de València (UPV) y la Universidad Católica San Antonio de Murcia (UCAM) han desarrollado un prototipo de herramienta de sensores sociales para la gestión de problemas relacionados con el agua como resultado de la actividad 1. Esta herramienta, denominada WATERSensing, se fundamenta en el análisis de grandes cantidades de información de diferentes fuentes (p.ej. redes sociales y sensores físicos, entre otras) en tiempo real. Gracias a los buenos resultados preliminares de WATERSensing y motivados por la emergencia sanitaria provocada por la enfermedad COVID-19, el equipo investigador formado por la UPV, UCAM y VIELCA decidio dirigir todos sus recursos en adaptar WATERSensing a la gestión de la crisis provocada por la pandemia, dando lugar al prototipo de aplicación COVIDSensing (COVIDSensing.com) y para la que se ha solicitado varias ayudas que se listan a continuación:
– 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: Sistema de alertas basado en sensores sociales para el control epidemiológico. Miembros: UPV.
– Convocatoria COVID-19 A PROYECTOS DE I+D E INVERSIÓN 2020, CDTI. En redacción. Miembros: UPV y VIELCA.
IoT + AI
– Retos de la sociedad. Ministerio de ciencia e innovación (Generación de conocimiento) Sensores sociales en ciudades inteligentes: fusión de información mulitmodal en redes sociales para la detección de problemas en múltiples ámbitos. 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
Divulgación y Diseminación de resultados
– Ministerio de ciencia e innovación (FECYT). HYDROTWEETReconstrucción de avenidas mediante ciencia ciudadana y redes sociales. Miembros: UCAM.
Actividades de divulgación científica:
1.- Seminario Online Aplicación de técnicas de machine learning para la gestión de los recursos hídricos. Observatorio del Agua. Fundación Botín. 5 de mayo de 2020.
2.- MESA REDONDA: IoT, BIGDATA Y CONTROL INTELIGENTE AL SERVICIO DEL AGUA. Jornadas Smart Water. DIATIC 2019. 17 de Mayo, 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.
Congresos Nacionales e Internacionales:
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
Organización de conferencias y 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.
Estancia de investigadores
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
Actividades de emprendimiento
Los investigadores José M. Cecilia y Andrés Muñoz han participado en dos actividades de emprendimiento científico durante el periodo de ejecución de este proyecto. En concreto, estas actividades son: Concesión y ejecución de la prueba de concepto “Exploración de mercado, viabilidad comercial y procesos de inteligencia competitiva del análisis de sensores sociales”, financiado por la Fundación Séneca con 30.000€ durante el año 2019. Envío de propuesta de emprendimiento científico en el programa Spin-ON organizado por el Vicerrectorado de Investigación y el Instituto Tecnológico de Murcia de la Universidad Católica San Antonio (UCAM) . En evaluación.
Actividades de emprendimiento
1.- Vielca Ingenieros liderará un proyecto de investigación para optimizar la gestión inteligente de recursos hídricos Enlace
2.- Internet de las cosas”y tecnología Hidroconta para la gestión hídrica eficiente Enlace
3.- Una investigación para optimizar la gestión hídrica recibe 1,3 M€ del Ministerio Enlace
4.- Noticia derivada sobre la publicación de WATERSensing Enlace
5.- Crean una aplicación que ayuda a gestionar catástrofes a través de publicaciones en redes sociales – Levante-EMV Enlace
6.- Investigadores valencianos desarrollan un sistema que analiza inundaciones desde publicaciones en redes Enlace
7.- WATERSensing, una app que ayuda a gestionar en tiempo real fenómenos climáticos adversos Enlace
8.- Hablamos con Jasé María Cecilia, investigador de la UPV, sobre la App “Watersensing” Enlace
9.- Una ‘app’ ayuda a gestionar catástrofes por grandes tormentas a partir de publicaciones en redes Enlace
10.- WaterSensing, la aplicación que anticipa con las redes sociales la gestión de crisis de episodios climáticos extremos 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. Organizado por Colegio Profesional de Ingenieros en Informática de la Región de Murcia
2.- José M. Cecilia. Seminario Online Aplicación de técnicas de machine learning para la gestión de los recursos hídricos. Observatorio del Agua. Fundación Botín. 5 de Mayo de 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. Viernes 11 de Junio de 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 de Mayo de 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 de Abril de 2021.
7.-Fusión de Datos y análisis en tiempo real: claves para el incremento de la eficiencia. Charla online Expertos CENTIC. 10 de Diciembre de 2020.
8.-Deep learning, sobrepasando la frontera del Machine Learning. Webinar CENTIC. 1 de Diciembre de 2020.
9.-Planificación y gestión de recursos hídricos a partir del análisis de datos de IoT (WateroT). Instituto Universitario de Investigación Informática. 19 de Noviembre de 2020.
10.-Seminario Online Aplicación de técnicas de machine learning para la gestión de los recursos hídricos. Observatorio del Agua. Fundación Botín. 5 de Mayo de 2020.
