Spatial and temporal variation in settlement, growth and condition of the rockfish species Sebastes caurinus and Sebastes carnatus in the Channel Islands region, Santa Barbara, CA

Survival during the early life stages of marine species, including nearshore temperate reef fishes, is typically very low, and small changes in mortality rates, due to physiological and environmental conditions, can have marked effects on survival of a cohort and, on a larger scale, on the success of a recruitment season. Moreover, trade offs between larval growth and accumulation of energetic resources prior to settlement are likely to influence growth and survival until this critical period and afterwards. Rockfish recruitment rates are notoriously variable between years and across geographic locations. Monitoring of rates of onshore delivery of pelagic juveniles (defined here as settlement) of two species of nearshore rockfishes, Sebastes caurinus and Sebastes carnatus, was done between 2003-2009 years using artificial collectors placed at San Miguel and Santa Cruz Island, off Southern California coast. I investigated spatiotemporal variation in settlement rate, lipid content, pelagic larval duration and larval growth of the newly settled fishes; I assessed relationships between birth date, larval growth, early life-history characteristics and lipid content at settlement, considering also interspecific differences; finally, I attempt to relate interannual patterns of settlement and of early life history traits to easily accessible, local and regional indices of ocean conditions including in situ ocean temperature and regional upwelling, sea surface temperature (SST) and Chlorophyll-a (Chl-a) concentration. Spatial variations appeared to be of low relevance, while significant interannual differences were detected in settlement rate, pelagic larval duration and larval growth. The amount of lipid content of the newly settled fishes was highly variable in space and time, but did not differ between the two species and did not show any relationships with early life history traits, indicating that no trade off involved these physiological processes or they were masked by high individual variability in different periods of larval life. Significant interspecific differences were found in the timing of parturition and settlement and in larval growth rates, with S. carnatus growing faster and breeding and settling later than S. caurinus. The two species exhibited also different patterns of correlations between larval growth rates and larval duration. S. carnatus larval duration was longer when the growth in the first two weeks post-hatch was faster, while S. caurinus had a shorter larval duration when grew fast in the middle and in the end of larval life, suggesting different larval strategies. Fishes with longer larval durations were longer in size at settlement and exhibited longer planktonic phase in periods of favourable environmental conditions. Ocean conditions had a low explanatory power for interannual variation in early life history traits, but a very high explanatory power for settlement fluctuations, with regional upwelling strength being the principal indicator. Nonetheless, interannual variability in larval duration and growth were related to great phenological changes in upwelling happened during the period of this study and that caused negative consequences at all trophic levels along the California coast. Despite the low explanatory power of the environmental variables used in this study on the variation of larval biological traits, environmental processes were differently related with early life history characteristics analyzed to species, indicating possible species-specific susceptibility to ocean conditions and local environmental adaptation, which should be further investigated. These results have implications for understanding the processes influencing larval and juvenile survival, and consequently recruitment variability, which may be dependent on biological characteristics and environmental conditions.

Analisi e applicazione dei processi di data mining al flusso informativo di sistemi real-time: Implementazione e analisi di un algoritmo autoadattivo per la ricerca di frequent patterns su macchine automatiche.

Analisi e applicazione dei processi di data mining al flusso informativo di sistemi real-time. Implementazione e analisi di un algoritmo autoadattivo per la ricerca di frequent patterns su macchine automatiche.

Analisi e applicazione dei processi di data mining al flusso informativo di sistemi real-time: Adattamento di un algoritmo di apprendimento automatico per la caratterizzazione e la ricerca di frequent patterns su macchine automatiche

La tesi da me svolta durante questi ultimi sei mesi è stata sviluppata presso i laboratori di ricerca di IMA S.p.a.. IMA (Industria Macchine Automatiche) è una azienda italiana che naque nel 1961 a Bologna ed oggi riveste il ruolo di leader mondiale nella produzione di macchine automatiche per il packaging di medicinali. Vorrei subito mettere in luce che in tale contesto applicativo l’utilizzo di algoritmi di data-mining risulta essere ostico a causa dei due ambienti in cui mi trovo. Il primo è quello delle macchine automatiche che operano con sistemi in tempo reale dato che non presentano a pieno le risorse di cui necessitano tali algoritmi. Il secondo è relativo alla produzione di farmaci in quanto vige una normativa internazionale molto restrittiva che impone il tracciamento di tutti gli eventi trascorsi durante l’impacchettamento ma che non permette la visione al mondo esterno di questi dati sensibili. Emerge immediatamente l’interesse nell’utilizzo di tali informazioni che potrebbero far affiorare degli eventi riconducibili a un problema della macchina o a un qualche tipo di errore al fine di migliorare l’efficacia e l’efficienza dei prodotti IMA. Lo sforzo maggiore per riuscire ad ideare una strategia applicativa è stata nella comprensione ed interpretazione dei messaggi relativi agli aspetti software. Essendo i dati molti, chiusi, e le macchine con scarse risorse per poter applicare a dovere gli algoritmi di data mining ho provveduto ad adottare diversi approcci in diversi contesti applicativi: • Sistema di identificazione automatica di errore al fine di aumentare di diminuire i tempi di correzione di essi. • Modifica di un algoritmo di letteratura per la caratterizzazione della macchina. La trattazione è così strutturata: • Capitolo 1: descrive la macchina automatica IMA Adapta della quale ci sono stati forniti i vari file di log. Essendo lei l’oggetto di analisi per questo lavoro verranno anche riportati quali sono i flussi di informazioni che essa genera. • Capitolo 2: verranno riportati degli screenshoot dei dati in mio possesso al fine di, tramite un’analisi esplorativa, interpretarli e produrre una formulazione di idee/proposte applicabili agli algoritmi di Machine Learning noti in letteratura. • Capitolo 3 (identificazione di errore): in questo capitolo vengono riportati i contesti applicativi da me progettati al fine di implementare una infrastruttura che possa soddisfare il requisito, titolo di questo capitolo. • Capitolo 4 (caratterizzazione della macchina): definirò l’algoritmo utilizzato, FP-Growth, e mostrerò le modifiche effettuate al fine di poterlo impiegare all’interno di macchine automatiche rispettando i limiti stringenti di: tempo di cpu, memoria, operazioni di I/O e soprattutto la non possibilità di aver a disposizione l’intero dataset ma solamente delle sottoporzioni. Inoltre verranno generati dei DataSet per il testing di dell’algoritmo FP-Growth modificato.