<p>En este trabajo se evalúa el desempeño de modelos de redes neuronales artificiales (RNA) para predecir capturas mensuales de anchoveta (Engraulis ringens) en el norte de Chile (18º21’S-24ºS), usando diez variables ambientales y capturas de anchoveta entre 1963 y 2002. Para descartar el “ruido” en la capa de entrada se llevó a cabo un análisis previo de la data utilizando análisis de componentes principales y una técnica de correlación cruzada no- lineal. El modelo utilizado presentó la arquitectura de un perceptrón multicapa entrenado con el algoritmo de Levenberg-Marquardt. Los resultados involucran un modelo que presenta como variables de entrada la temperatura superficial del mar (TSM) en Antofagasta, la TSM en la región Niño3+4 y las capturas de anchoveta. El desfase de la TSM en Antofagasta (-6, -7, -8 meses) tendría relación con el reclutamiento de la anchoveta, mientras que el desfase con la TSM de la región Niño3+4 (-3, -4, -5 meses) tendría relación con las ondas atrapadas a la costa que afectan la disponibilidad de la anchoveta. El proceso de validación externa mostró una varianza explicada de 78%, y un error estándar de predicción bajo el 18%. La fuerte correlación entre las capturas de anchoveta estimadas y observadas en la fase de validación externa sugiere que el modelo calibrado captura la tendencia general de la data histórica y por ende este modelo podría ser utilizado para llevar a cabo una buena predicción</p>
<p>The performance of artificial neural networks (ANN’s) to forecast monthly anchovy (Engraulis ringens) catches in northern Chile (18º21’S-24ºS), using ten environmental variables and the anchovy catches between 1963 and 2005, was evaluated. In order to discard the “noise” in the input layer a previous analysis of the data was carried out using principal components analisys and a non-linear cross correlation technique. The model used was a multi layer perceptron architecture trained with the Levenberg-Marquardt algorithm. The results involved an ANN’s model with the sea surface temperature (SST) in Antofagasta, the SST in the Niño3+4 region, the anchovy catches as inputs. The Antofagasta SST lag (-6, -7, -8 months) seemed to be related to the anchovy recruitment, while the SST in the Niño3+4 region lag (-3, -4, -5 months) seemed to be related to coastal trapped waves affecting the anchovy availability. The external validation process showed an explained variance of 78%, and the standard error of prediction was lower than 18%. The strong correlation among the estimated and observed anchovy catches in the external validation phases suggested that the calibrated model captured the general trend of the historical data and therefore these models could be used to carry out an accuracy forecast</p>
last modification
Licenciado en Ciencia Pesquera
Ingeniero Pesquerotítulo
INGENIERIA PESQUERA
<p>En este trabajo se evalúa el desempeño de modelos de redes neuronales artificiales (RNA) para predecir capturas mensuales de anchoveta (Engraulis ringens) en el norte de Chile (18º21’S-24ºS), usando diez variables ambientales y capturas de anchoveta entre 1963 y 2002. Para descartar el “ruido” en la capa de entrada se llevó a cabo un análisis previo de la data utilizando análisis de componentes principales y una técnica de correlación cruzada no- lineal. El modelo utilizado presentó la arquitectura de un perceptrón multicapa entrenado con el algoritmo de Levenberg-Marquardt. Los resultados involucran un modelo que presenta como variables de entrada la temperatura superficial del mar (TSM) en Antofagasta, la TSM en la región Niño3+4 y las capturas de anchoveta. El desfase de la TSM en Antofagasta (-6, -7, -8 meses) tendría relación con el reclutamiento de la anchoveta, mientras que el desfase con la TSM de la región Niño3+4 (-3, -4, -5 meses) tendría relación con las ondas atrapadas a la costa que afectan la disponibilidad de la anchoveta. El proceso de validación externa mostró una varianza explicada de 78%, y un error estándar de predicción bajo el 18%. La fuerte correlación entre las capturas de anchoveta estimadas y observadas en la fase de validación externa sugiere que el modelo calibrado captura la tendencia general de la data histórica y por ende este modelo podría ser utilizado para llevar a cabo una buena predicción</p>
<p>The performance of artificial neural networks (ANN’s) to forecast monthly anchovy (Engraulis ringens) catches in northern Chile (18º21’S-24ºS), using ten environmental variables and the anchovy catches between 1963 and 2005, was evaluated. In order to discard the “noise” in the input layer a previous analysis of the data was carried out using principal components analisys and a non-linear cross correlation technique. The model used was a multi layer perceptron architecture trained with the Levenberg-Marquardt algorithm. The results involved an ANN’s model with the sea surface temperature (SST) in Antofagasta, the SST in the Niño3+4 region, the anchovy catches as inputs. The Antofagasta SST lag (-6, -7, -8 months) seemed to be related to the anchovy recruitment, while the SST in the Niño3+4 region lag (-3, -4, -5 months) seemed to be related to coastal trapped waves affecting the anchovy availability. The external validation process showed an explained variance of 78%, and the standard error of prediction was lower than 18%. The strong correlation among the estimated and observed anchovy catches in the external validation phases suggested that the calibrated model captured the general trend of the historical data and therefore these models could be used to carry out an accuracy forecast</p>