Análisis de Espectro Singular y modelos autorregresivos para el pronóstico de stock de camarón ecuatoriano

Sinopsis: 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%.