#10#36#67#18
El mar Menor está contaminado, hay bastantes artículos que cubren el tema. Sin duda el desarrollo urbanístico de los últimos 30 años, deficiencias en el tratamiento de aguas residuales y la escorrentía de zonas agrícolas han generado concentraciones altas de nutrientes (nitratos y fósforo). Es un desastre medioambiental que tiene que ser correctamente tratado.
Pero esta foto es manipuladora. El color del agua de la foto es debido a una alta concentración de sedimentos tras una tormenta. Esto pasa en cualquier desembocadura de un río. Es un proceso natural, que puede o no, concomitar con otras condiciones y crear problemas ecológicos.
Aquí teneis una animación de imágenes de satélite (Sentinel 2) durante los últimos meses. El dia 13-09-2019 se puede apreciar la alta concentración de sedimentos de escorrentía en el mar Menor. youtu.be/BxmlMOOBepo
El mar Menor tiene problemas, y se tienen que comunicar de forma adecuada. Pero lo que se ve en la foto no es necesariamente contaminación.
#92 la dinamita en concreto es nitroglicerina con estabilizantes. Con el paso del tiempo cartuchos de dinamita suelen permear nitroglicerina que cristaliza en el exterior. El resto ya te lo puedes imaginar...
#27 el problema está en las pérdidas de energía hidráulica. Si se hace conducción a presión de pantano a pantano, excepto en casos particulares son distancias considerables, lo que reduce significativamente el rendimiento de la solución.
#197 Pues no, el tiempo en este caso es indiferente. La escala de #13 compara Consumo [l/100km] con velocidad [km/h]. Así que para el mismo trayecto de L [km], ya tienes el consumo a velocidad X (independientemente del tiempo que lleves). Que por cierto, como otros comentarios han dicho, la escala del gráfico es logaritmica y bastante engañosa a simple vista.
#4 Muy interesante!!!
¿podrías elaborar un poco más lo del data augmentation?
He entendido que la red N tiene como input el vector de n-gramas de una persona y como output la probabilidad de que tal vector pertenezca a x usuario. Durante el data augmentation entiendo que has substituido de forma aleatoria alguna de las entradas del input, pero aun se le asigna al usuario, algo así como generar ruido en la única observación que se tiene y calibrar el modelo con esos 200 "observaciones" por usuario.
Asi que el problema tiene un input de dimension <num n-gramas> x <num usuarios * 200> y un output de <num usuarios>
¿Cómo afectan los criterios del data augmentation al problema? por ejemplo, porque 200?, cuantos "errores se meten por realización?
#45 Argantonio1 