Las floraciones masivas de las algas verde – azuladas producen muchos efectos secundarios sobre los sistemas acuáticos, entre los que se destaca su capacidad de sintetizar compuestos que poseen propiedades tóxicas para muchos organismos, incluidos los humanos.
El objetivo de esta Tesis fue desarrollar un modelo de pronóstico simple, a fin de poder predecir las probables concentraciones de microcistina-LR que caben esperar en un lago eutrófico. Con ese fin se desarrolló en primer lugar un modelo de redes neuronales y en segundo término un modelo dinámico (que consta de tres submodelos: de radiación diaria, de cianobacterias y de fugacidad).
Los resultados de la Tesis muestran que: a) La utilización del modelo de redes neuronales back – propagation desarrollado mostró ser una mejor herramienta (tanto descriptiva como de prognosis), que la tradicional correlación múltiple; b) El submodelo de radiación, mostró una alta correlación con datos de campo medidos por otros autores; c) Los resultados del submodelo de cianofíceas mostraron con los valores medidos, una correlación altamente significativa tanto para la etapa de calibración del modelo como para la etapa de explotación; d) El submodelo de microcistina-LR sólo pudo ser calibrado. Los resultados del mismo presentaron una correlación altamente significativa con los datos medidos; e) Si bien el modelo de microcistina – LR es el tercero de una cadena de submodelos, lo que hace que acumule errores anteriores y los propios, mostró ser una muy buena herramienta de prognosis a fin de diagnosticar la posible incidencia del xenobiótico en un cuerpo de agua
Massive green algae blooms - blue lead to many side effects on aquatic systems , among which stands out his ability to synthesize compounds that have toxic properties for many organisms, including humans.
The aim of this thesis was to develop a simple model forecast, in order to predict the likely levels of microcystin -LR that fit expect in a eutrophic lake . For this purpose was developed first a neural network model and secondly a dynamic model ( which consists of three submodels : daily radiation , cyanobacteria and fugacity ) .
The results of the thesis show that: a) The use of neural network model back - propagation developed proved to be a better tool ( both descriptive and prognostic ) that traditional multiple correlation ; b ) The radiation submodel showed a high correlation with field data measured by other authors ; c ) The results of the submodel of cyanobacteria with the measured values showed a highly significant correlation for both the model calibration stage and the operational phase ; d ) The submodel microcystin- LR could only be calibrated. The results of this showed a highly significant correlation with the measured data ; e) While the model of microcystin - LR is the third in a chain of sub-models , which makes accumulating past and mistakes themselves, proved to be a very good tool for prognosis in order to diagnose the potential impact of the xenobiotic in a body water
