Predicción de las floraciones algales nocivas (FAN) en poblaciones de Dinophysis acuminata por redes neuronales artificiales

• Autor: Aguilar Calderon, Victor Hugo
• Formato: tesis de grado
• Fecha de Publicación: 2017
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/6027
• Enlace del recurso: http://repositorio.unap.edu.pe/handle/20.500.14082/6027
• Nivel de acceso: acceso abierto
• Materia: Ingeniería y tecnología; Seguridad, gestión, y control en agroindustrias

El objetivo de este trabajo fue diseñar un modelo de RNA para la predicción de los episodios tóxicos producidos por Dinophysis cuminata en los puntos de muestra de INTECMAR y puntos de muestra de ANFACO CECOPESCA en la Ría de Pontevedra. Las aguas del mar del Atlántico, cubren la Ría de Pontevedra perteneciente a la comunidad de Galicia, en esta región se ubica la mayor zona de producción en el mundo, el mejillón de Galicia de la especie Mytilus galloprovinciales y la otra variedad de mejillón Mytilus edulis, en esta misma región se sucede frecuentemente las floraciones algales nocivas, la principal responsable es la especie Dinophysis acuminata. La metodología utilizada para diseñar la RNA, se inicia en la recopilación y análisis de datos oceanográficos, recuento celular D. acuminata, provenientes de las estaciones P0, P1, P7 y P9 de INTECMAR; datos de velocidad y dirección de viento de MeteoGalicia, y la obtención de datos experimentales de concentración de ácido okadaico en resina adsorbente y mejillón por ANFACO CECOPESCA, para complementar el estudio se utilizó los datos de índice de afloramiento del IEO. El conjunto de datos fue validado para luego elaborar matrices de datos para el diseño de la RNA. Se utilizó el software NNT de MATLAB donde es factible cambiar los parámetros, el mejor modelo fue evaluado por el error cuadrático medio (MSE). El diseño se realizó con la matriz de datos de la estación P0, por los antecedentes de las investigaciones realizadas, se experimentó las particiones con tres diferentes porcentajes, agregando neurona en la primera y segunda capa hasta encontrar la partición y la arquitectura con el MSE más bajo, al probar su validación y funcionamiento con las matrices de datos de las otras estaciones, la RNA diseñada logró generalizar su funcionamiento, una excepción fue la matriz de datos de la estación P7. El modelo de RNA diseñada combina la inteligencia artificial con las técnicas de análisis de datos