Ecologia demogràfica de la perca americana (Micropterus salmoides) a l'Estany de Banyoles

L'Estany de Banyoles, sistema peculiar tant des del punt de vista de la seva formació geològica com de les seves característiques limnològiques, conté actualment una comunitat de peixos profundament modificada respecte de la comunitat original. La perca americana (Micropterus salmoides), introduïda a finals dels anys seixanta del segle XX, és avui una de les espècies dominants en aquesta comunitat, i ocupa sobretot l'hàbitat litoral de l'Estany. Es tracta d'una espècie molt ben estudiada a Nord Amèrica des de diverses disciplines de la biologia i des de fa diverses dècades, cosa que ha comportat que actualment es disposi d'un gran volum d'informació sobre ella. Amb tot, fora del seu continent d'origen ha rebut poca atenció, malgrat l'amplia expansió que ha experimentat arreu del món. En aquesta tesi doctoral s'han abordat, amb un enfocament descriptiu, aspectes fins ara desconeguts per a l'espècie a l'Estany de Banyoles, a la península ibèrica i fins i tot a Europa. Concretament, se n'ha analitzat la condició, el creixement i la demografia, així com les seves variacions temporals. Amb aquesta finalitat, s'ha dissenyat un mostreig composat de deu campanyes de pesca intensives més alguns petits mostrejos addicionals intercalats, mostreig que s'ha allargat des del juliol del 1997 i fins el novembre del 1999. La captura dels exemplars s'ha realitzat mitjançant una tècnica de pesca elèctrica amb una embarcació posada a punt expressament per a aquest estudi, la qual s'ha mostrat considerablement eficient malgrat les dificultats que ofereix el medi. S'ha realitzat un mostreig de marcatge-recaptura basat en la mutilació d'aletes i, en alguns casos, en el marcatge amb pintura acrílica. Només en la darrera campanya (novembre del 1999) s'ha sacrificat una part important de les captures a fi de retirar-ne els otòlits per a la determinació de l'edat. Pel que fa a l'anàlisi de les dades, s'ha aplicat un ampli ventall de mètodes i models per a cada un dels aspectes estudiats, a fi de contrastar-ne els resultats i validar-ne la seva fiabilitat. En el cas de la condició, s'han aplicat mètodes d'anàlisi de la covariància (ANCOVA) i altres mètodes anàlegs, així com, paral·lelament, regressions i anàlisis derivades a partir de la relació longitud-pes. En l'estudi del creixement, s'han realitzat ajustaments de diversos models mitjançant regressions sobre dades de mida a l'edat i sobre dades d'increments de mida observats per interval de temps. També s'han aplicat anàlisis de freqüències de longitud, i, finalment, s'han aplicat mètodes de retrocàlcul a partir dels increments anuals del radi observats en els otòlits. Finalment, en el cas de l'estudi de la demografia, s'han aplicat models de marcatge-recaptura per a l'estimació de la grandària poblacional i de la supervivència, i, a més, s'han ajustat diversos models continus de supervivència sobre aquestes estimacions prèvies. També s'han estimat les capturabilitats associades a la nova tècnica de captura. Per una altra banda, s'ha implementat i realitzat un mostreig sobre la població de pescadors esportius de l'Estany encarat a determinar, bàsicament, la pressió de pesca a què es veu sotmesa l'espècie. Els resultats mostren sobretot una alta estabilitat interanual en tots els aspectes estudiats, que s'explica per l'estabilitat ambiental que, al seu torn, és característica d'aquest ecosistema lacustre. Això reverteix en una longevitat màxima observada que iguala la màxima descrita a la literatura per a l'espècie. Alhora, també s'han descrit fortes oscil·lacions estacionals tant en la condició, com en el creixement, com també en la supervivència, les quals, però, presenten certes diferències en la seva temporalitat, cosa que indica una certa diferenciació en els factors que les regulen.

Time-series regression models to study the short-term effects of environmental factors on health

Time series regression models are especially suitable in epidemiology for evaluating short-term effects of time-varying exposures on health. The problem is that potential for confounding in time series regression is very high. Thus, it is important that trend and seasonality are properly accounted for. Our paper reviews the statistical models commonly used in time-series regression methods, specially allowing for serial correlation, make them potentially useful for selected epidemiological purposes. In particular, we discuss the use of time-series regression for counts using a wide range Generalised Linear Models as well as Generalised Additive Models. In addition, recently critical points in using statistical software for GAM were stressed, and reanalyses of time series data on air pollution and health were performed in order to update already published. Applications are offered through an example on the relationship between asthma emergency admissions and photochemical air pollutants

Computationally reliable approaches of contractive MPC for discrete-time systems

La tesis pretende explorar acercamientos computacionalmente confiables y eficientes de contractivo MPC para sistemas de tiempo discreto. Dos tipos de contractivo MPC han sido estudiados: MPC con coacción contractiva obligatoria y MPC con una secuencia contractiva de conjuntos controlables. Las técnicas basadas en optimización convexa y análisis de intervalos son aplicadas para tratar MPC contractivo lineal y no lineal, respectivamente. El análisis de intervalos clásicos es ampliado a zonotopes en la geometría para diseñar un conjunto invariante de control terminal para el modo dual de MPC. También es ampliado a intervalos modales para tener en cuenta la modalidad al calcula de conjuntos controlables robustos con una interpretación semántica clara. Los instrumentos de optimización convexa y análisis de intervalos han sido combinados para mejorar la eficacia de contractive MPC para varias clases de sistemas de tiempo discreto inciertos no lineales limitados. Finalmente, los dos tipos dirigidos de contractivo MPC han sido aplicados para controlar un Torneo de Fútbol de Copa Mundial de Micro Robot (MiroSot) y un Tanque-Reactor de Mezcla Continua (CSTR), respectivamente.

Discrete and continuous compositions

This paper examines a dataset which is modeled well by the Poisson-Log Normal process and by this process mixed with Log Normal data, which are both turned into compositions. This generates compositional data that has zeros without any need for conditional models or assuming that there is missing or censored data that needs adjustment. It also enables us to model dependence on covariates and within the composition

Multivariate ARIMA Compositional Time Series Analysis

A compositional time series is obtained when a compositional data vector is observed at different points in time. Inherently, then, a compositional time series is a multivariate time series with important constraints on the variables observed at any instance in time. Although this type of data frequently occurs in situations of real practical interest, a trawl through the statistical literature reveals that research in the field is very much in its infancy and that many theoretical and empirical issues still remain to be addressed. Any appropriate statistical methodology for the analysis of compositional time series must take into account the constraints which are not allowed for by the usual statistical techniques available for analysing multivariate time series. One general approach to analyzing compositional time series consists in the application of an initial transform to break the positive and unit sum constraints, followed by the analysis of the transformed time series using multivariate ARIMA models. In this paper we discuss the use of the additive log-ratio, centred log-ratio and isometric log-ratio transforms. We also present results from an empirical study designed to explore how the selection of the initial transform affects subsequent multivariate ARIMA modelling as well as the quality of the forecasts

Compositional Time Series: An Application

The composition of the labour force is an important economic factor for a country. Often the changes in proportions of different groups are of interest. I this paper we study a monthly compositional time series from the Swedish Labour Force Survey from 1994 to 2005. Three models are studied: the ILR-transformed series, the ILR-transformation of the compositional differenced series of order 1, and the ILRtransformation of the compositional differenced series of order 12. For each of the three models a VAR-model is fitted based on the data 1994-2003. We predict the time series 15 steps ahead and calculate 95 % prediction regions. The predictions of the three models are compared with actual values using MAD and MSE and the prediction regions are compared graphically in a ternary time series plot. We conclude that the first, and simplest, model possesses the best predictive power of the three models

Semi-online neural-Q_leaming for real-time robot learning

Reinforcement learning (RL) is a very suitable technique for robot learning, as it can learn in unknown environments and in real-time computation. The main difficulties in adapting classic RL algorithms to robotic systems are the generalization problem and the correct observation of the Markovian state. This paper attempts to solve the generalization problem by proposing the semi-online neural-Q_learning algorithm (SONQL). The algorithm uses the classic Q_learning technique with two modifications. First, a neural network (NN) approximates the Q_function allowing the use of continuous states and actions. Second, a database of the most representative learning samples accelerates and stabilizes the convergence. The term semi-online is referred to the fact that the algorithm uses the current but also past learning samples. However, the algorithm is able to learn in real-time while the robot is interacting with the environment. The paper shows simulated results with the "mountain-car" benchmark and, also, real results with an underwater robot in a target following behavior

Modeling of hybrid systems by piecewise decomposition

Piecewise linear models systems arise as mathematical models of systems in many practical applications, often from linearization for nonlinear systems. There are two main approaches of dealing with these systems according to their continuous or discrete-time aspects. We propose an approach which is based on the state transformation, more particularly the partition of the phase portrait in different regions where each subregion is modeled as a two-dimensional linear time invariant system. Then the Takagi-Sugeno model, which is a combination of local model is calculated. The simulation results show that the Alpha partition is well-suited for dealing with such a system