Singular Spectrum Analysis and Autoregressive models for Ecuadorian shrimp catch forecasting

• L. Barba ^[1] ; N. Rodríguez ^[1]
  1. [1] Pontificia Universidad Católica de Valparaíso

     Pontificia Universidad Católica de Valparaíso

     Valparaíso, Chile

     
• Localización: Boletín geológico y minero, ISSN 0366-0176, Vol. 129, Nº 3, 2018 (Ejemplar dedicado a: Análisis de series temporales en Ciencias de la Tierra ), págs. 535-548
• Idioma: inglés
• Títulos paralelos:
  • Análisis de Espectro Singular y modelos autorregresivos para el pronóstico de stock de camarón ecuatoriano
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La pesca por arrastre de camarón es una actividad relevante que contribuye de manera significativa con la generación de recursos económicos para Ecuador a través de la empleabilidad y la comercialización. Por desgracia, la alta variabilidad de las señales de los ecosistemas marinos presenta complejidad, tornando el pronóstico de stock en una tarea difícil. En este trabajo se evalúa Análisis de Espectro Singular (SSA) para mejorar la predicción de los métodos convencionales. SSA se implementa en cuatro etapas, embebido, descomposición, agrupación y promedio de las diagonales. La longitud efectiva de la ventana de embebido se selecciona por medio de la información proporcionada por la energía diferencial de los valores propios.

    La descomposición SSA se utiliza para extraer dos tipos de componentes, una de baja frecuencia que representa la componente interanual, y otra de alta frecuencia que representa la componente anual. Una vez obtenidas las componentes se implementan tres modelos de pronóstico. El primer modelo es lineal autorregresivo (SSA-AR), el segundo es una Red Neuronal Artificial (ANN) basada en Levenberg-Marquardt (SSA-ANN-LM) y el tercero es otra ANN basada en Cuckoo Search (SSA-ANN-CS). Los datos históricos utilizados para evaluar los modelos son las capturas mensuales de camarón en el Golfo de Guayaquil desde el año 2000 hasta el 2012. Los resultados empíricos muestran la superioridad de los modelos propuestos con respecto a los modelos convencionales. La mejor aproximación se logra con el modelo SSA-AR, con un MAPE de 1.0%, un R2 de 99.9% y un RMSE de 1.5%.

  • English

    Shrimp trawl fishing is a relevant activity that contributes significantly to the generation of economic resources for Ecuador through the creation of jobs and the commercialization of the shrimps. Unfortunately the high variability of the marine ecosystem signals are complex making forecasting a difficult task. This paper evaluates the use of singular spectrum analysis (SSA) for improving forecasting by conventional methods. SSA is implemented in four steps, embedding, decomposition, grouping, and diagonal averaging. The effective length of the embedding window is selected by means of the information provided by the differential energy of the eigenvalues. The SSA decomposition is used to extract two types of components, one of low frequency which represents the inter-annual component, and the other of high frequency which represents the annual component. Once the components have been obtained, three models based on SSA are implemented, the first is based on the autoregressive model (SSA-AR), the second is an artificial neural network (ANN) based on the Levenberg-Marquardt algorithm (SSA-ANN-LM), and the third is another ANN based on the Cuckoo Search algorithm (SSA-ANN-CS). The historical data that was used to evaluate the models are the shrimp monthly catches in the Gulf of Guayaquil from 2000 to 2012. The empirical results show the superiority of the proposed models with respect to the conventional models. The best approximation was achieved with the enhanced model SSA-AR, with a MAPE of 1.0%, a R2 of 99% and a RMSE of 1.5%.