Resumen

La temperatura del agua es uno de los parámetros básicos para determinar las condiciones ecológicas de un lago, ya que está influenciada por procesos químicos y biológicos. Además, la exactitud en la predicción de la temperatura del agua es esencial para el manejo del lago. En este artículo se evalúa el desempeño de técnicas de soft computing como la Programación de Expresiones de Genes (PEG), que es una variante de la Programación Genética (PG), el Sistema Neuro-fuzzy de Inferencia Adaptativa (Anfis, en inglés) y las Redes Neuronales Artificiales (RNA) para predecir la temperatura del agua en diferentes niveles de una estación flotante del lago Yuan-Yang (YYL), en el centro-norte de Taiwán. Se utilizaron tres indicadores estadísticos, el Error Cuadrático Medio (ECM), el Error Absoluto Medio (MAE, en inglés) y el Coeficiente de Correlación (R) para evaluar el desempeño de las técnicas de computación. Los resultados muestran que la PEG es más exacta en la predicción de la temperatura del agua entre 0,2 y 3 metros de profundidad. Sin embargo, se evidencia una tendencia diferente a partir del metro de profundidad. A esta distancia de la superficie, las RNA son más exactas que la PEG y el Anfis. Los resultados de este estudio probaron claramente la usabilidad del PEG y las RNA en la predicción de la temperatura del agua a diferentes profundidades.

INTRODUCCIÓN

La temperatura del agua es una propiedad física fundamental con un impacto directo en todos los organismos que habitan el medio acuático (Webb et al., 2008). Dado que la predicción de la temperatura del agua es importante para mantener la calidad del agua y para la gestión de los ecosistemas, varios autores han investigado métodos para simular la temperatura del agua de los lagos (Lawrence et al., 2002; Lee et al., 2009; Schwab et al., 2009). Hondzo y Stefan (1996) simularon perfiles diarios de temperatura del agua y de oxígeno disuelto en lagos de Minnesota mediante modelos deterministas de calidad del agua basados en procesos con condiciones meteorológicas diarias como entrada. Las fórmulas empíricas derivadas para la calidad del agua del lago y los indicadores de estratificación a partir de los resultados de la simulación dieron buenas predicciones de las características de temperatura y oxígeno disuelto estimadas a partir de mediciones en siete lagos de Minnesota. Fang y Stefan (1996) modificaron sustancialmente un modelo de temperatura del agua y cobertura de hielo para lagos de agua dulce y lo combinaron con un modelo de verano para simular las estructuras de la temperatura del agua y el espesor del hielo en dos pequeños lagos del centro-norte de Estados Unidos.

• Materias:Hidrología Geología Geofísica Ciencias de la tierra Temperatura
• Subjects:Hydrology Geology Geophysics Earth sciences Temperature
• Palabras claves:Técnicas soft computing, Indicadores estadísticos, Lago subalpino, Temperatura del agua
• Keywords:Soft computing techniques, Statistical indicators, Subalpine lake, Water temperature