<p>Este proyecto presenta un modelo que permite pronosticar el nivel de captura de anchoveta en la zona norte de Chile. Esta especie pelágica se encuentra presente en todo nuestro territorio y su importancia radica en el gran aporte económico para la industria pesquera. Desde 1983, la extracción de este recurso se encuentra sujeta a regulaciones, debido a la caída de la población de anchoveta. Es bajo este escenario, que se hace importante proponer modelos que apoyen la toma de decisiones que permita mantener o perpetuar la fauna marina. El modelo propuesto consiste en la implementación de una red neuronal polinomial, con ajuste de sus parámetros mediante una variante del algoritmo evolutivo, llamado optimización por enjambres de partículas (PSO por sus siglas en ingles), utilizando como entrada del sistema los datos históricos de captura de la anchoveta separados en datos de alta y baja frecuencia. Finalmente la mejor configuración obtuvo un 98.6% de la varianza explicada para la captura del mes siguiente y un 94% de la varianza explicada para el cuarto mes</p>
<p>This project presents a model that allows to forecast the capture level of anchovies in the northern part of Chile. This pelagic species is found throughout the entire Chilean territory and its importance relies on the economic contribution the catches have for the fishing industry. Since 1983, the capture activity of this resource is found subject to regulations due to the downfall of the anchovy population. Under this scenario, it becomes important to present models that will help make decisions that will ensure sustainability of the stock and the reproductive process. The model consists of the implementation of a polynomial neural network with optimized parameters. These parameters where adjusted by an alternative of the evolutionary algorithm called, Particle Swam Optimization, using historical capture levels data of the anchovies as inputs and separating them as high and low frequency data. Finally, the improved configuration obtained an explained variance of 98.6% for next months catch and an explained variance of 94% for the fourth month</p>
last modification
Licenciado en Ciencias de la Ingeniería
Ingeniero Civil en Informáticatítulo
INGENIERIA CIVIL INFORMATICA
<p>Este proyecto presenta un modelo que permite pronosticar el nivel de captura de anchoveta en la zona norte de Chile. Esta especie pelágica se encuentra presente en todo nuestro territorio y su importancia radica en el gran aporte económico para la industria pesquera. Desde 1983, la extracción de este recurso se encuentra sujeta a regulaciones, debido a la caída de la población de anchoveta. Es bajo este escenario, que se hace importante proponer modelos que apoyen la toma de decisiones que permita mantener o perpetuar la fauna marina. El modelo propuesto consiste en la implementación de una red neuronal polinomial, con ajuste de sus parámetros mediante una variante del algoritmo evolutivo, llamado optimización por enjambres de partículas (PSO por sus siglas en ingles), utilizando como entrada del sistema los datos históricos de captura de la anchoveta separados en datos de alta y baja frecuencia. Finalmente la mejor configuración obtuvo un 98.6% de la varianza explicada para la captura del mes siguiente y un 94% de la varianza explicada para el cuarto mes</p>
<p>This project presents a model that allows to forecast the capture level of anchovies in the northern part of Chile. This pelagic species is found throughout the entire Chilean territory and its importance relies on the economic contribution the catches have for the fishing industry. Since 1983, the capture activity of this resource is found subject to regulations due to the downfall of the anchovy population. Under this scenario, it becomes important to present models that will help make decisions that will ensure sustainability of the stock and the reproductive process. The model consists of the implementation of a polynomial neural network with optimized parameters. These parameters where adjusted by an alternative of the evolutionary algorithm called, Particle Swam Optimization, using historical capture levels data of the anchovies as inputs and separating them as high and low frequency data. Finally, the improved configuration obtained an explained variance of 98.6% for next months catch and an explained variance of 94% for the fourth month</p>
