Hacia la sostenibilidad portuaria mediante modelos probabilísticos: redes bayesianas

• Autores: B. Molina, N. Gonzalez, F. Soler
• Localización: Informes de la construcción, ISSN 0020-0883, Vol. 70, Nº. 549 (enero-marzo 2018), 2018
• Idioma: español
• Títulos paralelos:
  • Towards port sustainability through probabilistic models: Bayesian networks
• Enlaces
  • Texto completo
• Resumen
  • español

    En la explotación y gestión es necesario que el gestor de la infraestructura conozca las relaciones entre las variables en juego, lo cual es factible con el uso de redes bayesianas que permiten clasificar, predecir y diagnosticar las variables, pudiendo incluso estimar la probabilidad posterior de las no conocidas en base a las conocidas. En la metodología propuesta se ha generado una base de datos con variables portuarias, clasificadas en económicas, sociales, ambientales e institucionales, tal como se abordan los estudios de smart ports, en el Sistema Portuario Español, desarrollando una red mediante un grafo dirigido acíclico para conocer las relaciones en términos de padres e hijos. En términos probabilísticos, se observa que las variables más decisoras para la sostenibilidad portuaria son las institucionales.

    Se concluye que las redes bayesianas permiten modelar la incertidumbre de forma probabilística incluso cuando el número de variables es elevado como en la planificación y explotación portuaria.

  • English

    It is necessary that a manager of an infrastructure knows relations between variables. Using Bayesian networks, variables can be classified, predicted and diagnosed, being able to estimate posterior probability of the unknown ones based on known ones. The proposed methodology has generated a database with port variables, which have been classified as economic, social, environmental and institutional, as addressed in of smart ports studies made in all Spanish Port System. Network has been developed using an acyclic directed graph, which have let us know relationships in terms of parents and sons. In probabilistic terms, it can be concluded from the constructed network that the most decisive variables for port sustainability are those that are part of the institutional dimension.

    It has been concluded that Bayesian networks allow modeling uncertainty probabilistically even when the number of variables is high as it occurs in port planning and exploitation.