Análisis de la influencia de la administración portuaria en la sostenibilidad de los puertos mediante técnicas de inteligencia artificial

• BEATRIZ MOLINA SERRANO ^[1] ; NICOLETA GONZÁLEZ-CANCELAS ^[1] ; FRANCISCO SOLER-FLORES ^[1]
  1. [1] Universidad Politécnica de Madrid

     Universidad Politécnica de Madrid

     Madrid, España

     
• Localización: Rect@: Revista Electrónica de Comunicaciones y Trabajos de ASEPUMA, ISSN-e 1575-605X, Vol. 18, Nº. 2, 2017, págs. 137-152
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    En la explotación y gestión portuaria se barajan numerosas variables, necesitando conocer las relaciones entre ellas para modificar las condiciones de explotación. El uso de redes bayesianas permite clasificar, predecir y diagnosticar dichas variables, estimando también la probabilidad posterior de las no conocidas en base a las conocidas. Así, a nivel de planificación, no es necesario conocer todas las variables conociendo sus relaciones, puesto que las redes bayesianas permiten introducir posibles acciones y la utilidad de sus resultados, lo que hace que puedan usarse en la toma de decisiones.

    En el estudio se ha generado una base de datos con más de 100 variables portuarias, clasificadas en económicas, sociales, ambientales e institucionales, tal y como se hace en los estudios de smart ports realizados para el Sistema Portuario Español. A partir de ella se ha creado una red, empleando un grafo dirigido acíclico para conocer las relaciones entre variables en términos de padres e hijos. De dicha red se observa que las variables económicas son la causa del resto de tipologías, ejerciendo de padres en la mayoría de los casos. Asimismo, también se deduce que conocidas las variables ambientales, la red permite estimar la probabilidad posterior de las sociales. Así, se puede concluir que las redes bayesianas permiten modelar la incertidumbre de forma probabilística incluso con un número elevado de variables.

  • English

    Numerous variables are discussed in the port operation and management, needing to know relationships between them to modify the operating conditions. Use of Bayesian networks makes possible to classify, predict and diagnose these variables, also estimating posterior probability of unknown ones based on known ones. Thus, at the planning level, it is not necessary to know all variables in knowing their relationships, being able to use Bayesian networks to make decisions, introducing possible actions and usefulness of their results.

    Present study has generated a database with more than 100 port variables, classified as in smart ports studies in the Spanish Port System in four categories: economic, social, environmental and institutional. After that, a network has been generated using a non-cyclic conducted grafo to know relations between variables in terms of parents and sons. From this network it is observed that economic variables are cause of the other typologies, practicing parents in most of the cases.

    Also, knowing the environmental variables, network allows to estimate posterior probability of the social ones. Thus, it is concluded that the Bayesian networks allow to model uncertainty probabilistically even with a large number of variables.