Modelo Computacional para la Estimación de Oxígeno Disuelto en Estanques de Producción Acuícola Empleando Redes Neuronales Artificiales

Abstract

En la actualidad, la población mundial está en constante aumento, lo que tiene como consecuencia, entre otras cosas, un mayor consumo de alimentos. Así pues, la acuicultura se ha convertido en el sector alimenticio con mayor crecimiento a nivel mundial (Lekang, 2013). Sin embargo, llevar a cabo esta actividad implica controlar diversos parámetros como el oxígeno, temperatura, salinidad, nitritos y nitratos entre otros, para mantenerlos en rangos adecuados o lo más parecido a los que se encontrarían en la naturaleza, permitiendo así obtener producciones acuícolas exitosas donde los organismos no se estresen, enfermen o mueran, y a la vez se tenga el máximo rendimiento en reproducción y crecimiento. El oxígeno disuelto es principal indicador de la calidad del agua; por ello, los acuicultores presentan especial atención a las concentraciones de este parámetro. Para evitar las fluctuaciones de este gas, inherentes a la dinámica natural de los sistemas acuícolas y los problemas que esto ocasiona a los organismos de cultivo, los productores generalmente utilizan aireación artificial a máxima potencia (potencia nominal) para complementar los suministros de oxígeno necesarios a lo largo del día (Tucker, 2005). Sin embargo, como lo sugiere Boyd (1998), el uso de la aireación máxima para lograr la mayor producción posible es menos rentable que la aireación moderada, cuando se trata de mejorar la calidad del agua y la eficiencia de conversión alimenticia. Así, una aireación convencional (máxima) trae consigo un uso, en la mayoría de las ocasiones, ineficiente del oxígeno disuelto, además de un significativo incremento en el consumo de energía de los equipos y el posible deterioro de estos al estarse activando y desactivando constantemente durante periodos prolongados de tiempo, además de posibles problemas relacionados al estrés de los organismos que esto provoca. Los sistemas de cultivo actuales, tienen la finalidad de una mayor producción de organismos en un menor espacio de cultivo, por lo que se han comenzado a desarrollar nuevas técnicas de control y formas de predicción para integrarlas dentro de sistemas de automatización comerciales con bajo costo, mínimo impacto ecológico y fácil de usar. Las mediciones de oxígeno disuelto que son tomadas cada determinado tiempo generan una serie tiempo la cual oscila estacionalmente y durante un periodo de 24 horas. Derivado de las múltiples variables que influyen en él, presenta un comportamiento complejo y no lineal, generalmente con niveles de concentración por la mañana y por la noche, contrastando en la tarde, donde se suelen encontrar niveles altos. En años recientes, las redes neuronales artificiales (RNAs) se han utilizado en problemas de estimación y predicción de series temporales en distintas disciplinas; sin embargo, son pocos los trabajos en los que se han aplicado para problemas de calidad del agua (y todos los parámetros relacionados). Su uso en predicción de series temporales de oxígeno disuelto puede permitir, entre otras cosas, encontrar las relaciones no lineales entre las variables de entrada (principalmente valores pasados de la misma serie de tiempo y valores de otras variables que influyen en la serie) y las variables de salida (valores futuros de la serie). En este trabajo de tesis se propone el desarrollo de un modelo computacional para la estimación de oxígeno disuelto utilizando RNAs, las cuales realizarán predicciones para conocer las concentraciones de este parámetro en periodos futuros de tiempo. El diseño de las RNAs está basado en Algoritmos Evolutivos (AEs), particularmente en el algoritmo llamado: Selección de Características en el Algoritmo de Programación Evolutiva de Redes Neuronales Artificiales del Inglés Feature Selection of Evolutionary Programming of Artificial Neural Networks (FS-EPNet) (Lopez et. al., 2013; Landassuri et. al., 2013), el cual determinará la arquitectura de la red, donde la función objetivo será la predicción en un lapso determinado de tiempo. Aunque el análisis de la calidad del agua se ve afectado por varios parámetros, este trabajo considera únicamente la predicción del oxígeno, utilizando dos formas de predicción: predicción a un paso adelante y predicción iterada. Esto permitirá sentar las bases para futuras investigaciones sobre predicciones multiparamétricas, análisis del estado de la calidad del agua y control predictivo de la calidad del agua.