Comparison between traditional methods and artificial neural networks for ammonia concentration forecasting in an eel (Anguilla anguilla L.) intensive rearing system

Gutiérrez‐Estrada, Juan Carlos; Sanz, Emiliano J. de Pedro; Luque, Rafael; Pulido‐Calvo, Inmaculada

doi:10.1016/j.aquaeng.2004.03.001

Cited by 40 publications

(8 citation statements)

References 21 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…De este modo, el conocimiento de la temperatura del agua en un plazo de 24 horas facilita la determinación de factores de conversión, tasas instantáneas de crecimiento, raciones de alimento por tanques así como el establecimiento de las posibles medidas de alarma en el caso de previsión de cambios bruscos de temperatura o la detección de temperaturas excesivamente altas o baja. Por otra parte, la facilidad de utilización e implementación de este tipo de modelos se ve aumentada al no necesitar las series originales un proceso de filtrado previo, tal y como sucede con otro tipo de parámetros quí-micos (Gutiérrez-Estrada, 2004). …”

Section: Discussionunclassified

Estimación a corto plazo de la temperatura del agua. Aplicación en sistemas de producción en medio acuático

Estrada

Sanz²,

Luque³

et al. 2005

ing.agua

View full text Add to dashboard Cite

Artículo recibido el 30 de septiembre de 2004 y aceptado para su publicación el 13 de enero de 2005 . Pueden ser remitidas discusiones sobre el artículo hasta seis meses después de la publicación del mismo siguiendo lo indicado en las "Instrucciones para autores". En el caso de ser aceptadas, éstas serán publicadas conjuntamente con la respuesta de los autores. INTRODUCCIÓNUno de los factores más importantes que afecta al éxito o fracaso de una inversión en un sistema de producción en medio acuático es el de la calidad del agua. Cada especie piscícola posee unos límites para los diversos parámetros considerados en la calidad del agua, tales como la temperatura, oxígeno disuelto, sustancias nitrogenadas, pH, salinidad, etc. De forma ideal, una piscifactoría debe operar dentro de los niveles óptimos de cada parámetro para conseguir así un rápido crecimiento de la biomasa y un comportamiento eficiente de la instalación. La variación significativa de cualquiera de estos parámetros fuera del rango de tolerancia de la especie provoca a corto-medio plazo una disminución del bienestar y salud de los animales, lo que incide de forma directa sobre la producción final. En esta situación, la corrección hasta valores tolerables o la amortiguación de efectos indeseables sólo es posible si el gestor cuenta con información en tiempo real del parámetro considerado y de su posible comportamiento a corto plazo.De esta forma, el control y predicción de la variación de los principales parámetros físico-químicos constituye un aspecto fundamental del buen funcionamiento de este tipo de explotaciones (Allan y Maguire, 1991; Bejda et al., 1992;Alcaraz y Espina, 1995;Burel et al., 1996;Culberson y Piedrahita, 1996).De entre todos los parámetros físico-químicos que pueden tener influencia en el crecimiento de la biomasa en un piscifactoría, uno de los más importantes es la temperatura del agua (Fiogbé y Kestemont, 2003). Esto es debido a que los peces son seres poiquilotermos, lo que implica que la temperatura corporal depende de las variaciones de temperatura del ambiente en el que se desenvuelven. Como consecuencia, la temperatura del agua afecta a la movilidad, comportamiento, alimentación, crecimiento, reproducción y actividad fisiológica de todas las especies de peces (Soderberg, 1990;Wootton, 1991;Hart y Purser, 1995;Hart et al., 1996; Resumen:El control y la predicción de parámetros físico-químicos del agua en tanques de cultivo de plantas de producción en medio acuático es un aspecto fundamental del buen funcionamiento de este tipo de instalaciones. En este trabajo se propone la estimación de la temperatura del agua en las próximas 24 horas en una planta de producción de anguilas europeas de carácter intensivo mediante regresiones múltiples y modelos univariantes de series temporales (modelos de suavizado y ARIMA). Se cuenta con datos de las temperaturas diarias en distintas series de tanques correspondientes a los años 1997 al 2001. Los modelos se calibran considerando exclusivamente la relación de los datos presentes y pasado...

show abstract

Section: Discussionunclassified

Estimación a corto plazo de la temperatura del agua. Aplicación en sistemas de producción en medio acuático

Estrada

Sanz²,

Luque³

et al. 2005

ing.agua

View full text Add to dashboard Cite

show abstract

“…De este modo, dada una arquitectura de red,ésta deberá entrenarse hasta alcanzar el puntoóptimo en el que el error de generalización o validación es mínimo. En este trabajo se ha utilizado un aprendizaje controlado mediante el método de la validación interna (Tsoukalas y Uhrig, 1997;Gutiérrez-Estrada et al, 2004), es decir, que en el proceso de calibración de los modelos neuronales tras entrenar un número deépocas determinado, se recupera el conjunto de pesos que mejores resultados proporciona sobre el conjunto de validación interna (20 % de los datos del conjunto de calibración seleccionados al azar).…”

Section: Modelos De Redes Neuronales Computacionalesunclassified

“…Recientemente, RNCs han sido extensamente aplicadas para la predicción de series temporales (Griñó, 1992;Al-Saba y El-Amin, 1999;Abrahart y See, 2000;Zhang et al, 2001;Zhang, 2003;Gutiérrez-Estrada et al, 2004). En este estudio, RNCs se aplicaron para la predicción a corto plazo de caudales diarios en ríos portugueses.…”

Section: Introductionunclassified

Aproximaciones neuronales univariantes para la predicción de caudales diarios en cuencas portuguesas

Pulido‐Calvo

Portela²

2007

ing.agua

View full text Add to dashboard Cite

Resumen: Desde hace unos años, las redes neuronales computacionales están siendo una de las herramientas más prometedoras para la estimación de caudales en cuencas. La mayoría de los trabajos de la literatura utilizan para las predicciones, junto con los datos registrados de caudales, otras variables de entrada de carácter hidro-meteorológico. En este estudio se analizó el funcionamiento de redes neuronales de retropropagación para la estimación de caudales diarios en cuencas portuguesas, considerando que sólo los datos de caudal de días previos están disponibles para la calibración de los modelos. Además de los modelos tradicionales de redes neuronales que tienen como variables de entrada los caudales en días previos, se realizó un procedimiento de convolución en las neuronas de la capa de entrada y se probó una metodología híbrida combinando redes neuronales computacionales y modelos ARIMA. Los modelos neuronales complementados con un proceso de convolución dieron las mejores estimaciones considerando los caudales de los tres días previos como variables de entrada. También se realizó un análisis preliminar de la capacidad de esta aproximación para estimar caudales diarios en una cuenca diferente a la utilizada para la calibración de los modelos, obteniéndose resultados satisfactorios. INTRODUCCIÓNEl desarrollo y la implementación de herramientas para la planificaciónóptima de los recursos hídricos requiere generalmente el análisis de los flujos de caudal en las cuencas para la evaluación de problemas de ingeniería y ambientales tales como el control de inundaciones, la operación en tiempo real de embalses, la generación hidroeléctrica, el control de la calidad del agua y de los ecosistemas de los ríos, etc.Durante muchos años se ha estudiado la transformación de lluvia en escorrentía para obtener series de caudales en cuencas y así determinar futuros eventos o caracterizar cuencas sin registros. Las dos principales aproximaciones utilizadas en la literatura especializada para la evaluación del proceso lluvia-escorrentía son los modelos conceptuales (o físicos) y los modelos de "caja negra". Usualmente, un modelo conceptual tiene como objetivo formular el proceso físico basándose en cada una de las variables que intervienen, y en este caso puede ser la interceptación, la infiltración, el agua superficial y subterránea, la percolación, la evaporación, la transpiración, etc. De este modo, este tipo de modelos normalmente es complejo y necesita de muchos requerimientos de datos para que se apliquen de forma general en distintas situaciones prácticas (Jakeman y Hornberger, 1993;Abrahart y See, 2000). Asimismo, la exactitud de las predicciones se ve influenciada por componentes subjetivas como el establecimiento de los parámetros del modelo que generalmente depende de la experiencia del usuario (Duan et al., 1992(Duan et al., , 1994Sorooshian et al., 1993;Hsu et al., 1995;Yapo et al., 1996;Tokar y Johnson, 1999;Chang y Chen, 2001).En las aproximaciones de "caja negra"se iden-© Fundación para el Fomento de la Ingenie...

show abstract

“…Optimal design and techniques to estimate the requirements of biofilters for recirculation systems have been studied in the literature [71], and models to predict ammonia concentrations have also received substantial attention [72].…”

Section: Controlling N Compoundsmentioning

confidence: 99%

Taxonomy of Means and Ends in Aquaculture Production—Part 1: The Functions

Björnsdóttir

Oddsson

Thorarinsdottir

et al. 2016

Water

View full text Add to dashboard Cite

Abstract:The aquaculture sector has been increasing its share in the total fish production in the world. Numerous studies have been published about aquaculture, introducing a variety of techniques and methods that have been applied or could be applied in aquaculture production systems. The purpose of this study is to present a systemic overview of the functions of aquaculture production systems. Each function of an aquaculture system is applied to carry out a certain purpose. The results are divided into three sets of functions: input, treatment, and output. Input functions deal with what happens before the rearing area, treatment functions are about what happens inside the rearing area, and output functions is what comes out of the system. In this study, five input functions, ten treatment functions, and five output functions are indentified. For each function the controlling parameters or indicators were identified and then a list of possible methods or technological solutions in order to carry out the function was compiled. The results are presented in a system map that aggregates all functions used in different types of aquaculture systems along with their methods of solution. This is the first of four articles that together generate taxonomy of both means and ends in aquaculture. The aim is to identify both the technical solutions (means) that solve different functions (ends) and the corresponding functions. This article is about the functions.

show abstract

Comparison between traditional methods and artificial neural networks for ammonia concentration forecasting in an eel (Anguilla anguilla L.) intensive rearing system

Cited by 40 publications

References 21 publications

Estimación a corto plazo de la temperatura del agua. Aplicación en sistemas de producción en medio acuático

Estimación a corto plazo de la temperatura del agua. Aplicación en sistemas de producción en medio acuático

Aproximaciones neuronales univariantes para la predicción de caudales diarios en cuencas portuguesas

Taxonomy of Means and Ends in Aquaculture Production—Part 1: The Functions

Contact Info

Product

Resources

About