VI Taller Internacional de Matemática Computacional
-
Workflow for effective integration of community detection algorithms in brain network analysis
Jorge Gulín GonzálezHecho
-
Matemática Computacional para la gasificación Downdraft: modelo, simulación y optimización de biomasa
Elbis D´Espaux SheltonHecho
-
Evaluación de modelos de series temporales para la predicción del flujo de tránsito aéreo
Laritza Asán CaballeroHecho
-
Algoritmo Híbrido Metaheurístico para Generación de Funciones Booleanas Criptográficamente Robustas
Oristela Cuellar JustizHecho
-
Data Science Methods in Understanding Climate Change and Animal Behaviour
Peter A. KhaiterHecho
-
Deep Learning Modeling for Water Quality Prediction Using Hydro-Climatic Data
Marina G. ErechtchoukovaHecho
-
Selecting optimal sites for intervention in a spatial region: a discrete optimization problem in geoscience
Dr. Dirk RooseHecho
-
Empleo de DTW como medida de distancia en datos obtenidos desde Smartphone
Arlety Leticia GarcíaHecho
-
Automatizado Robótico de Gestión y Observación Sensorial (A.R.G.O.S.)
Dionel Dayán Álvarez FigueredoHecho
-
Sistema inteligente para la detección y clasificación de vulnerabilidades en aplicaciones Android usando Minería de Datos y Algoritmos Supervisados
Fausto Alberto Viscaino NaranjoHecho
Una planificación eficaz del uso del suelo requiere a menudo herramientas de optimización espacial que tengan en cuenta la interacción espacial en una región de interés, especialmente cuando se abordan procesos ecológicos como el transporte de sedimentos. Este trabajo aplica el método CAMF (acrónimo de Cellular Automata-based heuristic for Minimizing Flow) para evaluar el impacto de la deforestación en la producción de sedimentos dentro de una cuenca fluvial en Manicaragua, Cuba. CAMF selecciona iterativamente los lugares en función de su contribución marginal a la producción de sedimentos, lo que permite a los responsables de la toma de decisiones identificar las zonas críticas en las que debe evitarse la deforestación para proteger los recursos hídricos, y las zonas en las que la deforestación tendría un impacto mínimo. Los resultados muestran que CAMF selecciona eficazmente las zonas de alto y bajo impacto, proporcionando una herramienta práctica para la toma de decisiones y la planificación medioambiental. Además, este estudio plantea un nuevo reto para la investigación futura: utilizar CAMF para identificar las ubicaciones óptimas para la forestación como medida compensatoria de la deforestación inevitable, garantizando la prestación continuada de servicios ecosistémicos con un uso mínimo de la tierra.