Ecofisiología planctónica

[ES] El grupo de investigación en Ecofisiología Planctónica (GEP), de la Universidad de Las Palmas de Gran Canaria, tiene como objetivos los estudios de crecimiento y del metabolismo respiratorio y excretor en zooplancton, fitoplancton, bacterias y macroalgas. A partir de estas medidas primarias, el GEP puede calcular los flujos de carbono y nitrógeno oceánicos así como la eficiencia en la retención de nutrientes y el metabolismo del oceáno profundo. Estas medidas constituyen parámetros de gran importancia para el desarrollo de modelos precisos de predicción de los posibles cambios futuros en el planeta debidos al Cambio Climático. La principal premisa en la que se apoyan las investigaciones del grupo es que la bioquímica enzimática controla la fisiología de los organísmos, lo que produce un fuerte impacto en la ecología y la química oceánica. El GEP, trata también de describir los procesos fisiológicos del océano a través del uso de modelos matemáticos, para ello es necesario realizar experimentos de laboratorio así como muestreos de campo para determinar los parámetros cinéticos que controlan las reacciones que regulan la fisiología de los organísmos marinos. Asociado con GEP la empresa de base Técnológica BioceanSolutions, dedica también gran parte de sus esfuerzos en mejorar la metodología existente así como en desarrollar nuevos métodos enzimáticos, que nos permitan conocer y controlar el estado de salud de las comunidades marinas.

Dispersión de materia orgánica en granjas de acuicultura : desarrollo de un modelo matemático para garantizar sus sostenibilidad ambiental

Proyecto MACAROMOD correspondiente al Programa de Cooperación Transnacional MAC, periodo 2007/2013, cofinanciado con fondos Feder;Jefe de fila: Universidad de Las Palmas de Gran Canaria. Socios del proyecto: Universidade das Açores (Portugal), Instituto Nacional das Pescas (Cabo Verde), Centro de Investigaciones Medioambientales del Atlántico S.L. (CIMA). Entidades colaboradoras: Fundación Universitaria de Las Palmas

Simulación URANS 2D del flujo alrededor de un cilindro para 104 ≤ Re ≤ 106 con tratamiento de paredes

Máster Universitario en Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería (SIANI)

Desarrollo de un método ensemble para la predicción del viento a escala local usando elementos finitos

[EN]Los autores han desarrollado un modelo de viento de masa consistente especialmente diseñado para su aplicación en la escala local y en zonas de orografía compleja. Se ha dotado a este modelo de carácter predictivo usando como entrada resultados de HARMONIE. El HARMONIE es un modelo meteorológico predictivo de escala regional usado en la AEMET. Por otra parte, en los últimos años los métodos ensemble se han consolidado en la predicción meteorológica a escala regional…

Valor nutritivo de especies forrajeras endémicas y/o adaptadas a las Islas Canarias: situación de la producción de forrajes para alimentación del ganado en Canarias

Programa de doctorado en Sanidad Animal y Seguridad Alimentaria

Estudios de predicción en series temporales de datos meteorológicos utilizando redes neuronales recurrentes

[ES] En los últimos años, en el campo de las energías renovables, la energía eólica ha sido una de las que mas se ha desarrollado e invertido. La importancia de las predicciones de viento radica en la ayuda que aportan para planificar y anticiparse a los valores futuros que afectarán al sistema, ayudando a gestionar la adquisición de los recursos necesarios con antelación suficiente. Recientemente se han desarrollado nuevas arquitecturas de redes recurrentes que resultan muy prometedoras para realizar predicción. En este trabajo se probará y experimentará con dichas arquitecturas para realizar distintas predicciones de la velocidad del viento en un horizonte de corto y muy corto plazo a partir de datos de series temporales de viento.

Modelo predictivo de radiación solar mediante técnicas de machine learning: aplicación a la isla de Gran Canaria

Programa de doctorado: Tecnología Industrial. La fecha de publicación es la fecha de lectura.