Show simple item record

dc.contributor.advisorZapata Ramírez, Sebastián
dc.coverage.spatialColombiaspa
dc.creatorZapata, Sebastián
dc.creatorBlanco Alfonso, Lizeth
dc.date.accessioned2022-07-22T20:13:11Z
dc.date.available2022-07-22T20:13:11Z
dc.date.created2022
dc.identifier.urihttp://hdl.handle.net/20.500.12010/27763
dc.description.abstractLos arrecifes de coral son invertebrados coloniales que existen hace miles de años. Son ecosistemas que permiten mantener el equilibrio químico, bioquímico y biológico del océano. Sin embargo el cambio climático, transformaciones naturales y los procesos ejecutados por los seres humanos sobre el medio ambiente han provocado alteraciones en la dinámica poblacional y deterioro del ecosistema. Es así como esta investigación busca evaluar modelos como redes neuronales y procesos estocásticos para predecir el cambio de cobertura de coral de los arrecifes de coral escleractinios en Santa Marta, Colombia. Específicamente, se evaluaron dos técnicas de predicción de series temporales: proceso estocástico ARIMA y red neuronal LSTM sobre la serie temporal de cobertura de coral escleractinio en el Chengue Santa Marta Colombia, encontrando que la red neuronal LSTM tiene un mejor rendimiento respecto al modelo ARIMA.spa
dc.format.extent17 páginasspa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad de Bogotá Jorge Tadeo Lozanospa
dc.sourceinstname:Universidad de Bogotá Jorge Tadeo Lozanospa
dc.sourcereponame:Expeditio Repositorio Institucional UJTLspa
dc.subjectPredicciónspa
dc.titlePredicción de cobertura de coral de los arrecifes de coral escleractinios de Santa Marta, Colombia aplicando técnicas de aprendizaje automáticospa
dc.type.localTrabajo de grado de maestríaspa
dc.subject.lembArrecifes de coral -- Tesis y disertaciones académicasspa
dc.subject.lembPredicciones -- Tesis y disertaciones académicasspa
dc.subject.lembMinería de datos -- -- Tesis y disertaciones académicasspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.rights.localAbierto (Texto Completo)spa
dc.identifier.repourlhttp://expeditio.utadeo.edu.cospa
dc.creator.degreeMagíster en Ingeniería y Analítica de Datosspa
dc.publisher.programMaestría en Ingeniería y Analítica de Datosspa
dc.relation.referencesJ. Reyes, “Lista de los Corales (Cnidaria: Anthozoa: Scleractinia)de Colombia,” Biota Colomb., vol. 1, no. 2, 10.21068/bc.v1i2.66.spa
dc.relation.referencesA. Rodríguez-Ramírez et al., “Recent dynamics and condition of coral reefs in the Colombian Caribbean,” Rev. Biol. Trop., vol. 58, pp. 107–131, 2010.spa
dc.relation.referencesN. G. Rangel-Buitrago, G. Anfuso, and A. T. Williams, “Coastal erosion along the Caribbean coast of Colombia: magnitudes, causes and management,” Ocean Coast. Manag., vol. 114, pp. 129–144, 2015.spa
dc.relation.referencesA. M. Rodríguez Rincón, S. M. Navarrete Ramírez, D. I. Gómez López, and R. Navas Camacho, “Protocolo Indicador Condición Tendencia Áreas Coralinas (ICTAC). Indicadores de monitoreo biológico del Subsistema de Áreas Marinas Protegidas (SAMP).,” 2014.spa
dc.relation.referencesM. Spalding, M. D. Spalding, C. Ravilious, and E. P. Green, World atlas of coral reefs. Univ of California Press, 2001.spa
dc.relation.referencesA. C. Castillo Serrano, “Descripción de microorganismos asociados a enfermedades coralinas con base en técnicas moleculares-Revisión Bibliográfica,” 2020.spa
dc.relation.referencesD. R. Bellwood, R. P. Streit, S. J. Brandl, and S. B. Tebbett, “The meaning of the term ‘function’in ecology: a coral reef perspective,” Funct. Ecol., vol. 33, no. 6, pp. 948–961, 2019.spa
dc.relation.referencesS. Schmidt-Roach, K. J. Miller, and N. Andreakis, “Pocillopora aliciae: a new species of scleractinian coral (Scleractinia, Pocilloporidae) from subtropical Eastern Australia,” Zootaxa, vol. 3626, no. 4, pp. 576–582, 2013.spa
dc.relation.referencesJ. L. Cornejo-Ortega and R. M. Chávez-Dagostino, “Implicaciones en la observación de la ballena jorobada,” Investig. COSTERAS, p. 143, 2014.spa
dc.relation.referencesC. M. Yonge, “Coral Reef Project—Papers in Memory of Dr. Thomas F. Goreau. 1. The Nature of Reef-Building (Hermatypic) Corals,” Bull. Mar. Sci., vol. 23, no. 1, pp. 1–15, 1973spa
dc.relation.referencesA. Harris, G. Manahira, A. Sheppard, C. Gouch, and C. Sheppard, “Demise of Madagascar’s once great barrier reef: changes in coral reef conditions over 40 years,” Atoll Res. Bull., 2010.spa
dc.relation.referencesN. Stambler, “Zooxanthellae: the yellow symbionts inside animals,” in Coral Reefs: an ecosystem in transition, Springer, 2011, pp. 87–106.spa
dc.relation.referencesV. Fonseca González and D. A. García Bonilla, “Análisis geográfico de la pérdida de cobertura coralina en el Parque Nacional Natural Corales del Rosario y San Bernardo,” 2019.spa
dc.relation.referencesJ. Torres, “Deep learning,” Introd. práctica con Keras, Barcelona Lulu. com, 2018. [15] E. Alpaydin, Machine Learning : The New AI. Cambridge, MA: The MIT Press, 2016.spa
dc.relation.referencesS. Ohlsson, Deep Learning : How the Mind Overrides Experience. Cambridge: Cambridge University Press, 2011.spa
dc.relation.referencesS. M. Ross et al., Stochastic processes, vol. 2. Wiley New York, 1996.spa
dc.relation.referencesJ. Villavicencio, “Introducción a series de tiempo,” Puerto Rico, 2010.spa
dc.relation.referencesP. J. Brockwell, P. J. Brockwell, R. A. Davis, and R. A. Davis, Introduction to time series and forecasting. Springer, 2016spa
dc.relation.referencesJ. R. Ward, K. Kim, and C. D. Harvell, “Temperature affects coral disease resistance and pathogen growth,” Mar. Ecol. Prog. Ser., vol. 329, pp. 115–121, 2007.spa
dc.description.abstractenglishCoral reefs are colonial invertebrates that have existed for thousands of years. They are ecosystems that allow maintaining the chemical, biochemical and biological balance of the ocean. However, climate change, natural transformations and the processes carried out by human beings on the environment have caused alterations in population dynamics and deterioration of the ecosystem. This research seeks to evaluate models such as neural networks and stochastic processes to predict the change in coral cover of scleractinian coral reefs in Santa Marta, Colombia in order to contribute to the estimation of the behavior of these ecosystems. Two time series prediction techniques were evaluated: ARIMA stochastic process and LSTM neural network on the time series of scleractinian coral cover in Chengue Santa Marta Colombia, finding the LSTM neural network has a better performance compared to the ARIMA model.spa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record