Uso de Redes Neuronales Artificiales para la modelación del estado trófico de las masas de aguas, aplicado al Parque Natural de la Albufera de Valencia

Abstract

The alteration of the trophic state of the water bodies is one of the main problems affecting the wetlands of the planet. Among the various processes that modify water quality, highlight eutrophication, which consists in the atypical growth of phytoplankton populations caused by discharges with high concentrations of nutrients. At present, the control of the trophic state of the waters is a challenge for the managers of the watersheds and is their responsibility attempt to minimize and avoid the effect of the anthropic activities on the aquatic ecosystems. To improve decision-making, responsible actors use calculation tools that facilitate the knowledge of how works the systems and its response to different scenarios. Among these tools stand out, the classic mechanical models based on the conservation of mass and the connectionist models based on simple units interconnected with learning based on multiple patterns. The main objective of this Final Project is to analyse the use of Artificial Neural Networks for the modelling of chlorophyll-a concentrations. ANNs have been applied in the field of water resources since the 1990s, solving problems of quantity and quality of water. The satisfactory results of the last published works show the usefulness of these structures to form simple systems capable of modelling complex problems. In order to verify the operation of these models, this technique will be applied in the field of the Albufera Natural Park, a place characterized by a high level of eutrophication. To reach the proposed objective, a sensitivity analysis will be implement to identify the variables that directly affect the concentrations of chlorophyll-a in the water body. We will also analyse the different structural typologies of RNA in order to determine how these technical aspects affect the estimation of concentrations.

La alteración del estado trófico de las masas de agua es uno de los principales problemas que afecta a las zonas húmedas del planeta. Entre los diversos procesos que modifican la calidad del agua, cabe destacar la eutrofización, que consiste en el crecimiento anormal de las poblaciones de fitoplancton provocado por vertidos con altas concentraciones de nutrientes.

Actualmente, el control del estado trófico de las aguas supone un reto para los gestores de las cuencas hidrográficas y en sus manos está el intentar minimizar y evitar el efecto de las actividades antrópicas sobre los ecosistemas acuáticos. Para mejorar la toma de decisiones, los actores responsables utilizan herramientas de cálculo que facilitan el conocimiento del sistema y la respuesta del mismo ante diversos escenarios. Entre dichas herramientas destacan, por un lado, los modelos clásicos mecanicistas basados en la conservación de la masa. Por otro lado, los modelos conexionistas basados en unidades sencillas interconectadas con aprendizaje en base a múltiples patrones.

El principal objetivo de este Trabajo Final de Máster es analizar el uso de las Redes Neuronales Artificiales para la modelización de las concentraciones de clorofila-a. Las RNA se aplican en el ámbito de los recursos hídricos desde los años noventa, resolviendo problemas tanto de cantidad como de calidad de las aguas. Los resultados satisfactorios de los últimos trabajos publicados, pone de manifiesto la utilidad de estas estructuras para formar sistemas simples capaces de modelar problemas complejos.

A fin de comprobar el funcionamiento de estos modelos, se aplicará dicha técnica en el ámbito del Parque Natural de la Albufera, paraje caracterizado por un elevado grado de eutrofización. Para alcanzar el objetivo propuesto, se realizará un análisis de sensibilidad para identificar cuáles son las variables que afectan directamente a las concentraciones de clorofila-a de la laguna. También se analizarán las diferentes tipologías estructurales de RNA para poder determinar cómo afectan estos aspectos técnicos a la estimación de las concentraciones.

[CA] L'alteració de l'estat tròfic de les masses d'aigua és un dels principals problemes que afecten a les zones humides del planeta. Entre els diversos processos que modifiquen la qualitat de l'aigua, cal destacar l'eutrofització, que consisteix en el creixement anormal de les poblacions de fitoplàncton provocat per abocaments amb altes concentracions de nutrients. Actualment, el control de l'estat tròfic de les aigües suposa un repte per als gestors de les conques hidrogràfiques i a les seues mans hi ha el intentar minimitzar i evitar l'efecte de les activitats antròpiques en els ecosistemes aquàtics. Per-a millorar la presa de decisions, els actors responsables utilitzen eines de càlcul que faciliten el coneixement del sistema i la resposta del mateix davant diversos escenaris. Entre aquestes eines destaquen, els models clàssics mecanicistes basats en la conservació de la massa i els models connexionistes basats en unitats senzilles interconnectades amb aprenentatge basant-se múltiples patrons. El principal objectiu d'aquest Treball Final de Màster ha sigut analitzar l'ús de les Xarxes Neuronals Artificials per a la modelització de les concentracions de clorofil·la-a. Les xarxes neuronals artificials s'apliquen en l'àmbit dels recursos hídrics des dels anys noranta, resolent problemes tant de quantitat com de qualitat de les aigües. Els resultats satisfactoris dels últims treballs publicats, posa de manifest la utilitat d'aquestes estructures per formar sistemes simples capaços de modelar problemes complexos. Per tal de comprovar el funcionament d'aquests models, s'ha aplicat aquestes tècniques en l'àmbit del Parc Natural de l'Albufera, paratge caracteritzat per un elevat grau d'eutrofització. Per arribar a l'objectiu proposat, s’ha realitzat un anàlisis de sensibilitat per identificar quines són les variables que afecten directament a les concentracions de clorofil·la-a de la llacuna. També s'analitzaran les diferents tipologies estructurals de RNA per poder determinar com afecten aquests aspectes tècnics a l'estimació de les concentracions. Finalment se han recopilat els resultats i s’ha arribat a unes conclusions.