Los métodos de estimación por ecuaciones de regresión (ARX) son ampliamente utilizados para modelar sistemas generalmente lineares y que varían lentamente con el tiempo. El método mas popular y ampliamente utilizado es el filtro de Kalman (KF) que consigue estimar los parámetros del modelo regresivo eficientemente. No obstante, en la realidad encontramos muchos modelos altamente no lineares, donde la dinámica interna es muy compleja como para ser estimados con los métodos convencionales. Como una alternativa tenemos los modelos para "Linear Parameter Variation" (LVP) para modelos ARX donde se aproxima la variación paramétrica a un comportamiento linear. La desventaja de este tipo de modelos es que la variación de la no linearidad está parametrizada, es decir no es completamente libre. Esta pasantia tiene como objetivo principal investigar en la identificación de modelos no lineares usando parámetros que dependen de estados (SDP) en modelos de regresión (ARX-SDP) y aplicación al modelamiento de la calidad de agua en régimen de muestreo de altas frecuencias. Mostraremos como los modelos ARX-SDP permiten modelar sistemas altamente complejos e incluso casi-caóticos. Para esto vamos a investigar en algoritmos de identificación recientemente publicados por Wlodek Tych y Peter Young. Entre estos tenemos las propuestas: "Multi-State Dependent Parameter (MSDP) model identification and estimation for nonlinear dynamic systems". Este método es un caso mas general y complejo de desarrollar debido a las grandes dimensiones matriciales pues se considera que cada parámetro puede depender de múltiples estados. También queremos proponer un método de modelamiento SDP on-line, desarrollarlo y programar el algoritmo. Los métodos on-line son interesantes por su aplicabilidad a muchos problemas reales como la detección de fallas. Finalmente esperamos desarrollar una aplicación de modelamiento dinámico para la calidad de agua en modo on-line en régimen permanente. Como resultado de esta pasantía pretendemos publicar los resultados de nuestra propuesta de estimación no linear incluyendo un ejemplo de aplicación real.