Chlorophyll-a forecasting using LSTM, bidirectional LSTM and GRU networks in El Mar Menor (Spain)

El objetivo de esta investigación es desarrollar modelos de predicción precisos para las concentraciones de clorofila-α a varias profundidades en el Mar Menor. La clorofila-α desempeña un papel crucial en la evaluación de la eutrofización en este ecosistema vulnerable. Para lograr este objetivo, se utilizaron varias técnicas de predicción de aprendizaje profundo, incluida la memoria a corto plazo, la memoria bidireccional a largo corto plazo y las redes uni recurrentes cerradas. Los modelos se diseñaron para pronosticar los niveles de clorofila-α con un horizonte de predicción de 2 semanas. Para mejorar la precisión de los modelos, también se aplicó a estas técnicas un método de ventana deslizante combinado con un procedimiento de validación cruzada bloqueada para series temporales. También se probaron dos estrategias de entrada en este enfoque: utilizando solo series de tiempo de clorofila-a e incorporando variables exógenas. El enfoque propuesto mejoró significativamente la precisión de los modelos predictivos, independientemente de la técnica de predicción empleada. Los resultados fueron notables, con lvalores que alcanzan aproximadamente 0,90 para el nivel de profundidad de 0,5 m y 0,80 para niveles más profundos. La previsión propuesta. Los modelos y metodologías tienen un gran potencial para predecir episodios de eutrofización y actuar como herramientas de toma de decisiones para las agencias ambientales. La predicción precisa de los episodios de eutrofización a través de estos modelos podría permitir medidas a implementar, que resulten en una mejor gestión ambiental y la preservación del ecosistema

Datos y Recursos

Cite como

González-Enrique J. Rodríguez-García M.I. Ruíz-Aguilar J.J. Carrasco-García M.G. Enguix I.F. y Turias I.J. Chlorophyll-a forecasting using LSTM bidirectional LSTM and GRU networks in El Mar Menor (Spain). Oxford University Press, 2024. https://doi.org/10.1093/jigpal/jzae046

Clipboard Icon
Recuperado: 20 Jan 2025 22:49:00
RIS BibTeX

Metadatos
Descargar
DCAT-AP/NTI-RISP

Información básica
Tipo de recurso Artículo
Fecha de creación 05-11-2024
Fecha de última modificación 20-01-2025
Mostrar histórico de cambios
Identificador de los metadatos e0992782-3a48-532b-b690-41f499e1c8e8
Idioma de los metadatos Español
Temáticas (NTI-RISP)
Categoría del conjunto de alto valor (HVD) Observación de la Tierra y medio ambiente
Categoría temática ISO 19115 biota
URI de palabras clave
Información bibliográfica
Nombre del autor González-Enrique, J., Rodríguez-García, M.I., Ruíz-Aguilar, J.J., Carrasco-García, M.G., Enguix, I.F. y Turias, I.J.
Nombre del editor Oxford University Press
Identificador alternativo DOI: 10.1093/jigpal/jzae046
Identificador del autor
Email del autor javier.gonzalezenrique@uca.es
Web del autor
Procedencia
Declaración de linaje
Perfil de Metadatos
Notas sobre la versión
Versión