La aplicación del método de transformación de tiempo aleatorio para estimar el modelo de Richards para la predicción del crecimiento de árboles
Autores: Cornejo, Óscar; Muñoz-Herrera, Sebastián; Baesler, Felipe; Rebolledo, Rodrigo
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
La aplicación del método de transformación de tiempo aleatorio para estimar el modelo de Richards para la predicción del crecimiento de árboles
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Modelo
Ecuación diferencial estocástica
Estimación de parámetros
Modelo de Richards
Predicción de crecimiento
Transformación de Tiempo Aleatorio
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
Para modelar sistemas dinámicos en diversas situaciones resulta en una ecuación diferencial ordinaria de la forma , donde denota una función y representa un parámetro o vector de parámetros desconocidos que requieren estimación a partir de observaciones. Con el fin de considerar fluctuaciones ambientales y numerosos factores incontrolables, como los encontrados en silvicultura, un proceso de ruido estocástico puede ser añadido a la ecuación mencionada anteriormente. De esta manera, se obtiene una ecuación diferencial estocástica: . Este artículo introduce un método y procedimiento para la estimación de parámetros en una ecuación diferencial estocástica utilizando el modelo Richards, facilitando la predicción del crecimiento en la población de árboles de un bosque. El concepto fundamental del enfoque implica asumir que una ecuación diferencial determinista controla el desarrollo de un bosque, y que la aleatoriedad entra en juego en el momento de la observación. La técnica se utiliza en conjunto con el modelo logístico para examinar la progresión de una epidemia agrícola inducida por un virus. Como método de estimación alternativo, presentamos el método de Transformación de Tiempo Aleatorio (RTT). Por lo tanto, la contribución principal de este artículo es la aplicación del método RTT para estimar el modelo Richards, lo cual no se había realizado previamente. La literatura a menudo utiliza los modelos logístico o Gompertz debido a las dificultades para estimar la forma de los parámetros del modelo Richards. Por último, evaluamos la efectividad del Método RTT aplicado al modelo Chapman-Richards utilizando tanto datos simulados como datos reales.
Descripción
Para modelar sistemas dinámicos en diversas situaciones resulta en una ecuación diferencial ordinaria de la forma , donde denota una función y representa un parámetro o vector de parámetros desconocidos que requieren estimación a partir de observaciones. Con el fin de considerar fluctuaciones ambientales y numerosos factores incontrolables, como los encontrados en silvicultura, un proceso de ruido estocástico puede ser añadido a la ecuación mencionada anteriormente. De esta manera, se obtiene una ecuación diferencial estocástica: . Este artículo introduce un método y procedimiento para la estimación de parámetros en una ecuación diferencial estocástica utilizando el modelo Richards, facilitando la predicción del crecimiento en la población de árboles de un bosque. El concepto fundamental del enfoque implica asumir que una ecuación diferencial determinista controla el desarrollo de un bosque, y que la aleatoriedad entra en juego en el momento de la observación. La técnica se utiliza en conjunto con el modelo logístico para examinar la progresión de una epidemia agrícola inducida por un virus. Como método de estimación alternativo, presentamos el método de Transformación de Tiempo Aleatorio (RTT). Por lo tanto, la contribución principal de este artículo es la aplicación del método RTT para estimar el modelo Richards, lo cual no se había realizado previamente. La literatura a menudo utiliza los modelos logístico o Gompertz debido a las dificultades para estimar la forma de los parámetros del modelo Richards. Por último, evaluamos la efectividad del Método RTT aplicado al modelo Chapman-Richards utilizando tanto datos simulados como datos reales.