Formulación de un modelo de Red Neuronal Artificial para el pronóstico de concentración de oxígeno disuelto y clorofila en la bahía interior de Puno

Abstract

Se realizaron dos modelos de Redes Neuronales Artificiales (RNA) para la predicción de las concentraciones de clorofila presentes en un cuerpo de agua, ambos modelos fueron basados en una estructura de RNA de retro propagación; utilizando como herramienta para su desarrollo el programa de MATLAB. Los modelos pronósticos fueron para la estación de monitoreo del IMARPE, ubicada en el puerto muelle Puno. Se emplearon datos históricos de parámetros que determinan la calidad del agua para un periodo de 2011 - 2016. Objetivos: Formular un modelo pronóstico, utilizando RNA que permita analizar la calidad de un cuerpo de agua enfocado principalmente en oxígeno disuelto y clorofila alfa, cuyos objetivos específicos fueron probadas desarrollando el modelo de red neuronal artificial dando como resultado el algoritmo de entrenamiento gradiente a escala conjugada, la metodología empleada para el entrenamiento de red neuronal fueron los modelos de Levenverg Marquardt, Regularización Bayesiana y gradiente a escala conjugada, siendo esta última el algoritmo óptimo de entrenamiento. Resultados: Los nodos que los modelos presentaron en la capa oculta se variaron entre 4 y 10 para oxígeno disuelto y clorofila respectivamente ambos casos. Las funciones de transferencia de la capa oculta fueron tansig, y en la capa de salida fue lineal o purelin, para contrastar fue realizado un análisis estadístico para la fase de entrenamiento y prueba que permitió asegurar al 95% de nivel de confianza, comprobándose el desempeño de los modelos obtenidos. Finalmente se realizaron las pruebas de validación con los modelos entrenados dando un performance de 0.97% para efectos de oxígeno disuelto y 0.98% para la clorofila alfa.