Técnicas de filtrado bayesiano aplicadas al modelado ambiental cuantitativo en acústica y ecología

Abstract

En este trabajo se exploran técnicas de aproximación numérica para resolver tres problemas importantes en ciencias ambientales. En primer lugar, se abordan dos problemas relacionados con la contaminación acústica en aglomeraciones urbanas. Por un lado, se propone un método de estimación máximo a posteriori}(MAP) para comparar modelos de espacio de estados no lineales que se utilizan en el problema de la predicción de los niveles de ruido ambiental en entornos urbanos. Este método se basa en el filtrado de partículas y además usa una técnica de Monte Carlo con cadenas de Markov para mejorar la etapa de remuestreo. Por otro lado, se presenta una metodología basada en filtrado de Kalman extendido que aborda el problema de la estimación de los caudales de tráfico urbano, diferenciando entre los tres principales tipos de vehículos rodados, a partir de observaciones de ruido ambiental. En segundo lugar, se estudia un sistema depredador-presa estocástico con una respuesta funcional del tipo Lotka-Volterra de interés en el ámbito de la ecología. Para dicho modelo, se propone un filtro de partículas para estimar el parámetro desconocido de comportamiento que representa la tasa de búsqueda efectiva por depredador en la respuesta funcional y predecir la evolución con el tiempo de la biomasa de las poblaciones utilizando datos sintéticos y datos de campo. Esta técnica combina un esquema de muestreo secuencial de Monte Carlo para el seguimiento de las biomasas, con la integración analítica del parámetro desconocido. Con el fin de evaluar el comportamiento de los tres métodos mencionados, los resultados han sido validados con datos experimentales.