Predicción dinámica de recursos pesqueros marinos basada en el modelo de fusión CNN-XGBoost

Área de la Ciencia:

• Ecología marina y gestión de recursos
• Inteligencia computacional y ciencia de datos

Sus antecedentes:

• Los métodos estadísticos tradicionales tienen dificultades con los datos ambientales marinos complejos y no lineales para la predicción de pesquerías.
• La predicción precisa de los recursos pesqueros marinos es vital para la gestión sostenible y la conservación de los ecosistemas.

Objetivo del estudio:

• Desarrollar y evaluar un novedoso modelo de fusión de Red Neuronal Convolucional (CNN)-Extreme Gradient Boosting (XGBoost) para mejorar la predicción de recursos pesqueros marinos.
• Mejorar las limitaciones de los métodos existentes para capturar dependencias temporales y relaciones no lineales en datos ambientales marinos.

Principales métodos:

• Se desarrolló un modelo de fusión CNN-XGBoost jerárquico de dos etapas.
• Los componentes de CNN extrajeron características temporales de alto nivel de datos ambientales marinos multifuente.
• Los módulos de XGBoost procesaron las características extraídas y las variables diseñadas para las predicciones finales.

Principales resultados:

• El modelo de fusión CNN-XGBoost demostró un rendimiento superior a los modelos independientes CNN, XGBoost y ARIMA.
• Se logró una mejora del 19,1% en el Error Cuadrático Medio (RMSE) y mejoras significativas en todas las métricas de evaluación.
• Los pesos de fusión óptimos asignaron el 40% a las características de CNN y el 60% a las características de XGBoost, lo que arrojó un RMSE de 2.847, un MAE de 2.184 y un R² de 0.846.

Conclusiones:

• El modelo de fusión CNN-XGBoost propuesto ofrece un enfoque robusto y preciso para la predicción de recursos pesqueros marinos.
• El modelo maneja eficazmente las variaciones estacionales y predice eventos de abundancia extrema, cruciales para la gestión adaptativa.
• Los resultados proporcionan herramientas valiosas para los responsables de la formulación de políticas y los administradores de recursos para garantizar la utilización sostenible de los recursos marinos.