[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-117551-es":3,"doc-seo-117551-110":31,"detail-sidebar-cat-0-es-110":93},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},117551,2336475104042,"Skyler","https://ap-avatar.wpscdn.com/avatar/22000c4c32af1715be0?x-image-process=image/resize,m_fixed,w_180,h_180&k=1786537525561427321",41,"Investigación e Informes","ANÁLISIS PREDICTIVO DE INCIDENTES AMBIENTALES EN REDES DE HIDROCARBUROS COLOMBIANAS MEDIANTE CIENCIA DE DATOS","Estudio de un modelo predictivo para anticipar incidentes ambientales vinculados a derrames de crudo en redes de transporte de hidrocarburos en Colombia. Se emplean datos históricos de la ANLA (1990-2025) con variables geográficas y operativas, sometidos a limpieza, transformación y selección de características. Se comparan varios modelos, destacando XGBoost por su mejor desempeño y altos valores AUC-ROC, con capacidad para detectar patrones espaciales asociados a regiones de alta actividad petrolera y vulnerabilidad ambiental. El enfoque respalda decisiones orientadas a prevención y gestión de emergencias ambientales.","ANÁLISIS PREDICTIVO DE INCIDENTES AMBIENTALES EN REDES DE HIDROCARBUROS COLOMBIANAS MEDIANTE CIENCIA DE DATOS  \nPREDICTIVE ANALYSIS OF ENVIRONMENTAL INCIDENTS IN COLOMBIAN HYDROCARBON NETWORKS USING DATA SCIENCE  \nSandra Milena Avila Severiche(1), Carlos Alvarado (2),Danny Samuel Martínez Lobo(3)  \n(1) Ingeniera Ambiental, Candidato a Magister en Estadística Aplicada y Ciencia de Datos, Universidad El Bosque, email: [smavila@unbosque.edu.co](smavila@unbosque.edu.co) , (2) Ingeniero de Telecomunicaciones, Candidato a Magister en Estadística Aplicada y Ciencia de Datos, Universidad El Bosque, email:  \n[calvaradon@unbosque.edu.co](calvaradon@unbosque.edu.co) , (3) Matemático, Profesor Asociado, Universidad El Bosque, email: [dsmartinez@unbosque.edu.co. Doi:](dsmartinez@unbosque.edu.co. Doi:) [https://orcid.org/0009-0008-4470-5658](https://orcid.org/0009-0008-4470-5658)  \nResumen  \nEste estudio desarrolló un modelo predictivo que permite anticipar incidentes ambientales asociados a derrames de crudo en las redes de transporte de hidrocarburos en Colombia, utilizando técnicas de aprendizaje automático y análisis geoespacial. Para ello , se emplearon datos históricos recopilados por la Agencia Nacional de Licencias Ambientales (ANLA) entre 1990 y 2025, incluyendo variables geográficas y operativas. Estos datos fueron sometidos a un riguroso proceso de limpieza, transformación y selección de características, seguido por la aplicación y comparación de diversos modelos predictivos.  \nA lo largo de la investigacion, XGBoost demostro ser el modelo con mejor desempeño, alcanzando optimos puntajes en metricas AUC-ROC, lo que evidencia una excelente capacidad de discriminación. El modelo permitió identificar patrones espaciales que coincidencon regiones de alta actividad petrolera y vulnerabilidad ambiental como Putumayo, Meta y Santander, lo cual refuerza la aplicabilidad del modelo como herramienta para la toma de decisiones. El modelo propuesto aporta una herramienta útil para la toma de decisiones orientadas a la prevención y gestión de emergencias ambientales en el sector hidrocarburos.  \nPalabras clave: riesgos ambientales, derrames de crudo, aprendizaje automático, Colombia, ciencia de datos.  \nAbstract  \nThis study developed a predictive model that allows for the anticipation of environmental incidents associated with oil spills in hydrocarbon transportation networks in Colombia, using machine learning techniques and geospatial analysis. Historical data collected by the National Environmental Licensing Agency (ANLA) between 1990 and 2025, including geographic and operational variables, were used. These data were subjected to a rigorous process of cleaning, transformation, and feature selection, followed by the application and comparison of various predictive models.  \nThroughout the research, XGBoost proved to be the best-performing model, achieving optimal scores in AUC-ROC metrics, demonstrating excellent discrimination capabilities. The model identified spatial patterns that coincide with regions of high oil activity and environmental  \nvulnerability, such as Putumayo, Meta, and Santander, which reinforces the model's applicability as a decision-making tool. The proposed model provides a useful tool for decisionmaking aimed at the prevention and management of environmental emergencies in the hydrocarbon sector.  \nKey words: environmental risks, oil spills, machine learning, Colombia, data science.  \nIntroducción  \nLos hidrocarburos, principalmente en forma de combustibles fósiles, constituyen una fuente de energía crucial a nivel mundial, impulsando el desarrollo industrial y económico. En Colombia, el petróleo desempeña un papel fundamental en la economía, con empresas como Ecopetrol, Hocol y Frontera generando ingresos significativos e incluso superiores a los del sector cafetero (ANLA, 2023) .  \nSin embargo, las actividades de exploración, extracción y transporte de hidrocarburos tienen impacto en el entorno social cercano, so","cbCaidsWBtQK8DiQ","https://ap.wps.com/l/cbCaidsWBtQK8DiQ","pdf",340527,6,1,13,"Spanish","es",110,"# Resumen\n# Introducción\n## Contexto del sector de hidrocarburos en Colombia\n## Impactos ambientales y sociales de los derrames\n## Infraestructura de transporte y factores de riesgo\n# Marco metodológico\n## Datos históricos ANLA (1990-2025)\n## Limpieza, transformación y selección de características\n# Modelado y resultados\n## Comparación de modelos predictivos\n## Desempeño del modelo XGBoost (AUC-ROC)\n## Patrones espaciales y regiones de vulnerabilidad\n# Conclusiones","[{\"question\":\"Qué problema aborda el estudio sobre redes de hidrocarburos en Colombia?\",\"answer\":\"Desarrolla un modelo predictivo para anticipar incidentes ambientales asociados a derrames de crudo en redes de transporte de hidrocarburos, usando aprendizaje automático y análisis geoespacial.\"},{\"question\":\"Qué datos se utilizaron y de qué fuente provienen?\",\"answer\":\"Se emplearon datos históricos recopilados por la Agencia Nacional de Licencias Ambientales (ANLA) entre 1990 y 2025, con variables geográficas y operativas.\"},{\"question\":\"Por qué XGBoost resulta el modelo con mejor desempeño?\",\"answer\":\"Porque alcanza los mejores puntajes en métricas AUC-ROC, mostrando alta capacidad de discriminación y permitiendo identificar patrones espaciales coherentes con zonas de alta actividad petrolera y vulnerabilidad ambiental.\"}]","ANÁLISIS PREDICTIVO DE INCIDENTES AMBIENTALES EN REDES DE HIDROCARBUROS COLOMBIANAS MEDIANTE CIENCIA DE DATOS | PDF",1785676945,20,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":88,"head_meta":90,"extra_data":92,"updated_unix":29},"predictive-analysis-of-environmental-incidents-in-colombian-hydrocarbon-networks-using-data-science","",{"@graph":37,"@context":87},[38,55,70],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,52],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/es/document/","Document",2,{"item":50,"name":12,"@type":44,"position":51},"https://docshare.wps.com/es/document/investigación-e-informes/",3,{"item":53,"name":13,"@type":44,"position":54},"https://docshare.wps.com/es/document/predictive-analysis-of-environmental-incidents-in-colombian-hydrocarbon-networks-using-data-science/117551/",4,{"url":53,"name":13,"@type":56,"author":57,"headline":13,"publisher":59,"fileFormat":62,"inLanguage":24,"description":14,"dateModified":63,"datePublished":64,"encodingFormat":62,"isAccessibleForFree":65,"interactionStatistic":66},"DigitalDocument",{"name":9,"@type":58},"Person",{"url":42,"name":60,"@type":61},"DocShare","Organization","application/pdf","2026-08-25","2026-08-02",true,{"@type":67,"interactionType":68,"userInteractionCount":20},"InteractionCounter",{"@type":69},"ViewAction",{"@type":71,"mainEntity":72},"FAQPage",[73,79,83],{"name":74,"@type":75,"acceptedAnswer":76},"Qué problema aborda el estudio sobre redes de hidrocarburos en Colombia?","Question",{"text":77,"@type":78},"Desarrolla un modelo predictivo para anticipar incidentes ambientales asociados a derrames de crudo en redes de transporte de hidrocarburos, usando aprendizaje automático y análisis geoespacial.","Answer",{"name":80,"@type":75,"acceptedAnswer":81},"Qué datos se utilizaron y de qué fuente provienen?",{"text":82,"@type":78},"Se emplearon datos históricos recopilados por la Agencia Nacional de Licencias Ambientales (ANLA) entre 1990 y 2025, con variables geográficas y operativas.",{"name":84,"@type":75,"acceptedAnswer":85},"Por qué XGBoost resulta el modelo con mejor desempeño?",{"text":86,"@type":78},"Porque alcanza los mejores puntajes en métricas AUC-ROC, mostrando alta capacidad de discriminación y permitiendo identificar patrones espaciales coherentes con zonas de alta actividad petrolera y vulnerabilidad ambiental.","https://schema.org",{"og:url":53,"og:type":89,"og:title":13,"og:site_name":60,"og:description":14},"article",{"robots":91,"canonical":53},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":94},[95,100,104,108,112,114,118,122,126,130],{"id":96,"doc_module":4,"doc_module_name":47,"category_name":97,"show_sort_weight":98,"slug":99},39,"Cómic",60,"comic",{"id":101,"doc_module":4,"doc_module_name":47,"category_name":102,"show_sort_weight":98,"slug":103},43,"Estilo de Vida","lifestyle",{"id":105,"doc_module":4,"doc_module_name":47,"category_name":106,"show_sort_weight":98,"slug":107},38,"Examen","exam",{"id":109,"doc_module":4,"doc_module_name":47,"category_name":110,"show_sort_weight":98,"slug":111},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":98,"slug":113},"research-report",{"id":115,"doc_module":4,"doc_module_name":47,"category_name":116,"show_sort_weight":98,"slug":117},37,"Literatura","literature",{"id":119,"doc_module":4,"doc_module_name":47,"category_name":120,"show_sort_weight":98,"slug":121},22,"Relatos y Novelas","story-novel",{"id":123,"doc_module":4,"doc_module_name":47,"category_name":124,"show_sort_weight":98,"slug":125},42,"Religión y Espiritualidad","religion-spirituality",{"id":127,"doc_module":4,"doc_module_name":47,"category_name":128,"show_sort_weight":98,"slug":129},40,"Salud y Atención Médica","healthcare",{"id":131,"doc_module":4,"doc_module_name":47,"category_name":132,"show_sort_weight":98,"slug":133},24,"Tecnología","technology"]