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

Data and Resources

Cite as

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
Retrieved: 01 Jan 2026 11:13:54
RIS BibTeX

Metadata
Download
DCAT-AP/NTI-RISP

Basic information
Resource type Article
Date of creation 2024-11-05
Date of last revision 2024-11-05
Show changelog
Metadata identifier e0992782-3a48-532b-b690-41f499e1c8e8
Metadata language Spanish
Themes (NTI-RISP)
High-value dataset category Earth observation and environment
ISO 19115 topic category biota
Keyword URIs
Bibliographic information
Name of the dataset creator González-Enrique, J., Rodríguez-García, M.I., Ruíz-Aguilar, J.J., Carrasco-García, M.G., Enguix, I.F. y Turias, I.J.
Name of the dataset editor Oxford University Press
Other identifier DOI: 10.1093/jigpal/jzae046
Identifier of the dataset creator
Email of the dataset creator javier.gonzalezenrique@uca.es
Website of the dataset creator
Provenance
Lineage statement
Metadata Standard
Version notes
Version