Predicción de cobertura de coral de los arrecifes de coral escleractinios de Santa Marta, Colombia aplicando técnicas de aprendizaje automático
Los arrecifes de coral son invertebrados coloniales que existen hace miles de años. Son ecosistemas que permiten mantener el equilibrio químico, bioquímico y biológico del océano. Sin embargo el cambio climático, transformaciones naturales y los procesos ejecutados por los seres humanos sobre el med...
| Autores: | , |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión aceptada para publicación |
| Fecha de publicación: | 2022 |
| País: | Colombia |
| Recursos: | Universidad de Bogotá Jorge Tadeo Lozano |
| Repositorio: | Expeditio: repositorio UTadeo |
| Idioma: | español |
| OAI Identifier: | oai:expeditiorepositorio.utadeo.edu.co:20.500.12010/27763 |
| Acesso em linha: | http://hdl.handle.net/20.500.12010/27763 http://expeditio.utadeo.edu.co |
| Access Level: | acceso abierto |
| Palavra-chave: | Predicción Arrecifes de coral -- Tesis y disertaciones académicas Predicciones -- Tesis y disertaciones académicas Minería de datos -- -- Tesis y disertaciones académicas |
| Resumo: | Los arrecifes de coral son invertebrados coloniales que existen hace miles de años. Son ecosistemas que permiten mantener el equilibrio químico, bioquímico y biológico del océano. Sin embargo el cambio climático, transformaciones naturales y los procesos ejecutados por los seres humanos sobre el medio ambiente han provocado alteraciones en la dinámica poblacional y deterioro del ecosistema. Es así como esta investigación busca evaluar modelos como redes neuronales y procesos estocásticos para predecir el cambio de cobertura de coral de los arrecifes de coral escleractinios en Santa Marta, Colombia. Específicamente, se evaluaron dos técnicas de predicción de series temporales: proceso estocástico ARIMA y red neuronal LSTM sobre la serie temporal de cobertura de coral escleractinio en el Chengue Santa Marta Colombia, encontrando que la red neuronal LSTM tiene un mejor rendimiento respecto al modelo ARIMA. |
|---|