Metodología para el modelado y la estimación de parámetros del proceso de crecimiento de Lobesia botrana

Mostrar el registro sencillo del ítem

dc.contributor.author	Aguirre-Zapata, Estefania	es_ES
dc.contributor.author	Garcia-Tirado, Jose	es_ES
dc.contributor.author	Morales, Humberto	es_ES
dc.contributor.author	di Sciascio, Fernando	es_ES
dc.contributor.author	Amicarelli, Adriana N.	es_ES
dc.date.accessioned	2023-01-12T12:50:31Z
dc.date.available	2023-01-12T12:50:31Z
dc.date.issued	2022-12-28
dc.identifier.issn	1697-7912
dc.identifier.uri	http://hdl.handle.net/10251/191282
dc.description.abstract	[EN] Lobesia botrana (L. botrana), is a quarantine pest that causes damage to grapevines and generates economic losses for the region of Cuyo in Argentina. Different researchers have sought to safeguard the integrity of the vineyards, generating alert systems based on models that allow detecting the peaks of occurrence of the pest, and knowing the growth process of the moth, according to the environmental conditions of each region. In this work, a methodology for estimating unknown parameters in semi-physical models based on first principles (MSBPP) is proposed, with a particular application in the growth model of L. botrana under laboratory conditions. The main contribution consists of a methodology for parameter estimation of an MSBPP, which considers a mathematical model developed by the authors in previous work, the structural identifiability analysis of the model in question, and the estimation of the set of unknown parameters that meet the structural identifiability property. In this work, the non-linear least squares algorithm and an Extended Kalman Filter are considered the main estimation tools. An improvement in the adjustment of the mathematical model to the experimental data was evidenced, in relation to those previously obtained. In addition, the degree of affinity of each growth stage for its limiting factor was established, and new mortality profiles were presented.	es_ES
dc.description.abstract	[ES] Lobesia botrana (L. botrana), es una plaga cuarentenaria que provoca danos a la vid, y genera perdidas económicas para la región de Cuyo en Argentina. Diferentes investigaciones han buscado salvaguardar la integridad de los viñedos, generando sistemas de alerta basados en modelos que permitan detectar los picos de ocurrencia de la plaga, y conocer el proceso de crecimiento de lapolilla, de acuerdo a las condiciones ambientales de cada región. En este trabajo, se propone una metodología para la estimación de parámetros desconocidos en los modelos semi físicos basados en primeros principios (MSBPP), con una aplicación particular en el modelo de crecimiento de L. botrana, en condiciones de laboratorio. La principal contribucion consiste en una metodología para la estimación de parámetros de un MSBPP, que considera un modelo matemático desarrollado por los autores en un trabajo previo, el análisis de identificabilidad estructural del modelo en cuestión y la estimación del conjunto de parámetros desconocidos que cumplen con la propiedad de identificabilidad estructural. En este trabajo se consideran, como herramientas principales para la estimación, el algoritmo de mínimos cuadrados no lineales, y un Filtro de Kalman Extendido. Se evidencio una mejoría en el ajuste del modelo matematico a los datos experimentales, con relación a los obtenidos previamente. Además, se estableció el grado de afinidad de cada estadio de crecimiento por el factor limitante del mismo, y se presentaron nuevos perfiles de mortalidad.	es_ES
dc.description.sponsorship	Estefanía Aguirre-Zapata esta financiada por una beca doctoral latinoamericana del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) de Argentina, y cofinanciada por el programa ENLAZAMUNDOS de la Agencia de Educación Postsecundaria (SAPIENCIA) de Medellín, Colombia. Humberto Morales tiene una beca doctoral del Servicio de Intercambio Académico Alemán (DAAD). Los datos experimentales utilizados para el proceso de ajuste y validación del modelo fueron proveídos por el Instituto Nacional de Tecnología Agropecuaria (INTA) - Mendoza, Argentina.	es_ES
dc.language	Español	es_ES
dc.publisher	Universitat Politècnica de València	es_ES
dc.relation.ispartof	Revista Iberoamericana de Automática e Informática industrial	es_ES
dc.rights	Reconocimiento - No comercial - Compartir igual (by-nc-sa)	es_ES
dc.subject	Modeling and identification of biological systems	es_ES
dc.subject	Parameter estimation	es_ES
dc.subject	Gray box modeling	es_ES
dc.subject	Lobesia botrana	es_ES
dc.subject	Nonlinear least-squares	es_ES
dc.subject	Structural identifiability	es_ES
dc.subject	Modelado e identificación de sistemas biológicos	es_ES
dc.subject	Estimación paramétrica	es_ES
dc.subject	Modelado de caja gris	es_ES
dc.subject	Mínimos cuadrados no lineales	es_ES
dc.subject	Identificabilidad estructural	es_ES
dc.title	Metodología para el modelado y la estimación de parámetros del proceso de crecimiento de Lobesia botrana	es_ES
dc.title.alternative	Methodology for modeling and parameter estimation of the growth process of Lobesia botrana	es_ES
dc.type	Artículo	es_ES
dc.identifier.doi	10.4995/riai.2022.17746
dc.rights.accessRights	Abierto	es_ES
dc.description.bibliographicCitation	Aguirre-Zapata, E.; Garcia-Tirado, J.; Morales, H.; Di Sciascio, F.; Amicarelli, AN. (2022). Metodología para el modelado y la estimación de parámetros del proceso de crecimiento de Lobesia botrana. Revista Iberoamericana de Automática e Informática industrial. 20(1):68-79. https://doi.org/10.4995/riai.2022.17746	es_ES
dc.description.accrualMethod	OJS	es_ES
dc.relation.publisherversion	https://doi.org/10.4995/riai.2022.17746	es_ES
dc.description.upvformatpinicio	68	es_ES
dc.description.upvformatpfin	79	es_ES
dc.type.version	info:eu-repo/semantics/publishedVersion	es_ES
dc.description.volume	20	es_ES
dc.description.issue	1	es_ES
dc.identifier.eissn	1697-7920
dc.relation.pasarela	OJS\17746	es_ES
dc.contributor.funder	Consejo Nacional de Investigaciones Científicas y Técnicas, Argentina	es_ES
dc.description.references	Aguirre-Zapata, E., Morales, H., Dagatti, C. V., Di Sciascio, F., Amicarelli, A. N., 2022. Semi physical growth model of lobesia botrana under laboratory conditions for argentina's cuyo region. Ecological Modelling 464, 109803. https://doi.org/10.1016/j.ecolmodel.2021.109803	es_ES
dc.description.references	Asprion, N., Böttcher, R., Pack, R., Stavrou, M.-E., H¨oller, J., Schwientek, J., Bortz, M., 2019. Gray-box modeling for the optimization of chemical processes. Chemie Ingenieur Technik 91 (3), 305-313. https://doi.org/10.1002/cite.201800086	es_ES
dc.description.references	Balsa-Canto, E., Alonso, A. A., Banga, J. R., 2010. An iterative identification procedure for dynamic modeling of biochemical networks. BMC systems biology 4 (1), 1-18. https://doi.org/10.1186/1752-0509-4-11	es_ES
dc.description.references	Bäumelt, T., Dostal, J., 2020. Distributed agent-based building grey-box model identification. Control Engineering Practice 101, 104427.	es_ES
dc.description.references	https://doi.org/10.1016/j.conengprac.2020.104427	es_ES
dc.description.references	Bellu, G., Saccomani, M. P., Audoly, S., D'Angi'o, L., 2007. Daisy: A new software tool to test global identifiability of biological and physiological systems. Computer methods and programs in biomedicine 88 (1), 52-61. https://doi.org/10.1016/j.cmpb.2007.07.002	es_ES
dc.description.references	Brastein, O. M., Sharma, R., Skeie, N.-O., 2019. Sensor placement and parameter identifiability in grey-box models of building thermal behaviour. https://doi.org/10.3384/ecp2017051	es_ES
dc.description.references	Burgardta, M. I., da Silvaa, S. M., Ohaniana, G., San Blasb, G., McLeoda, J. N., Burana, M., 2010. Datos preliminares sobre el estudio de la "polilla de la vid", lobesia botrana (lepidoptera. tortricidae), en mendoza.	es_ES
dc.description.references	Carmona Torres, H., sep 2019. Pheromones for Lobesia pest control are available (in spanish).	es_ES
dc.description.references	Castex, V., Cortazar-atauri, I. G. D., Calanca, P., Beniston, M., Moreau, J., 2020. Assembling and testing a generic phenological model to predict Lobesia botrana voltinism for impact studies. Ecological Modelling 420 (December 2019), 108946. https://doi.org/10.1016/j.ecolmodel.2020.108946	es_ES
dc.description.references	Chis, O., Banga, J. R., Balsa-Canto, E., 2011. Genssi: a software toolbox for structural identifiability analysis of biological models. Bioinformatics 27 (18), 2610-2611. https://doi.org/10.1093/bioinformatics/btr431	es_ES
dc.description.references	Chis, O.-T., Banga, J. R., Balsa-Canto, E., 2011. Structural identifiability of systems biology models: a critical comparison of methods. PloS one 6 (11), e27755. https://doi.org/10.1371/journal.pone.0027755	es_ES
dc.description.references	de Estudios Economicos de Bodegas de Argentina, C., 2020. Informe de actividad de la industria segundo trimestre de 2020.	es_ES
dc.description.references	Garcia-Tirado, J., Zuluaga-Bedoya, C., Breton, M. D., 2018. Identifiability analysis of three control-oriented models for use in artificial pancreas systems. Journal of diabetes science and technology 12 (5), 937-952. https://doi.org/10.1177/1932296818788873	es_ES
dc.description.references	Herrera, M. E., Dagatti, C. V., Becerra, V. C., 2016. A practical rearing method for Lobesia botrana den. schiff. (lepidoptera: Tortricidae) under laboratory conditions (in spanish). Magazine of the Argentine Entomological Society 75, 160-164.	es_ES
dc.description.references	Hong, H., Ovchinnikov, A., Pogudin, G., Yap, C., 8 2019. Sian: Software for structural identifiability analysis of ode models. Bioinformatics 35, 2873-2874. https://doi.org/10.1093/bioinformatics/bty1069	es_ES
dc.description.references	Hotvedt, M., Grimstad, B., Imsland, L., 2021. Identifiability and physical interpretability of hybrid, gray-box models-a case study. IFAC-PapersOnLine 54 (3), 389-394. https://doi.org/10.1016/j.ifacol.2021.08.273	es_ES
dc.description.references	Joubert, D., Stigter, J. D., Molenaar, J., 12 2021. Assessing the role of initial conditions in the local structural identifiability of large dynamic models. Scientific Reports 11. https://doi.org/10.1038/s41598-021-96293-9	es_ES
dc.description.references	Lema-Perez, L., 2018. Parameters Interpretability in Phenomenological-Based Semiphysical Models . A Human Glucose Homeostasis Model. Doctoral thesis, Universidad Nacional de Colombia. https://doi.org/10.1101/446583	es_ES
dc.description.references	Lessio, F., Alma, A., 2021. Models applied to grapevine pests: A review. insects 2021, 12, 169. https://doi.org/10.3390/insects12020169	es_ES
dc.description.references	Ljung, L., Torkel, G., 1994. Modeling of dynamic systems. Prentice Hall information and system sciences series, New Jersey 07632.	es_ES
dc.description.references	Ortega-Lopez, V., Amo-Salas, M., Ortiz-Barredo, A., Diez-Navajas, A., 2014. Male flight phenology of the european grapevine moth lobesia botrana (lepidoptera: Tortricidae) in different wine-growing regions in spain. Bulletin of entomological research 104 (5), 566-575. https://doi.org/10.1017/S0007485314000339	es_ES
dc.description.references	Pasquali, S., Soresina, C., 2020. Estimation of the mortality rate functions from time series field data in a stage-structured demographic model for Lobesia botrana, 0-2.	es_ES
dc.description.references	Rios Castro, F. A., et al., 2016. Calculo de temperatura umbral y requerimientos termicos para Lobesia botrana a den. y schiff bajo condiciones de laboratorio. Repositorio Acad'emico de la Universidad de Chile.	es_ES
dc.description.references	SENASA, 2009. Resoluci'on 362-2009. Simon, D., 2006. Optimal state estimation: Kalman, H infinity, and nonlinear approaches. John Wiley & Sons.	es_ES
dc.description.references	Simon, D., 2006. Optimal state estimation: Kalman, H infinity, and nonlinear approaches. John Wiley & Sons. https://doi.org/10.1002/0470045345	es_ES
dc.description.references	Torres Vila, L. M., 1995. Regulatory factors of biotic potential and polyandry in the grape cluster moth Lobesia botrana Den. and Schiff (in spanish). Ph.D. thesis, Universidad Politecnica of Madrid.	es_ES
dc.description.references	Touzeau, J., 1981. Modeling of the evolution of the eudemis of the vine for the midi-pyren'ees region (in french). Bol Zool Agr Bach II 16, 26-8.	es_ES
dc.description.references	Villaverde, A. F., Barreiro, A., Papachristodoulou, A., 2016. Structural identifiability of dynamic systems biology models. PLoS computational biology 12 (10), e1005153. https://doi.org/10.1371/journal.pcbi.1005153	es_ES
dc.relation.references	10.1016/j.ecolmodel.2021.109803	es_ES
dc.relation.references	10.1002/cite.201800086	es_ES
dc.relation.references	10.1186/1752-0509-4-11	es_ES
dc.relation.references	10.1016/j.conengprac.2020.104427	es_ES
dc.relation.references	10.1016/j.cmpb.2007.07.002	es_ES
dc.relation.references	10.3384/ecp2017051	es_ES
dc.relation.references	10.1016/j.ecolmodel.2020.108946	es_ES
dc.relation.references	10.1093/bioinformatics/btr431	es_ES
dc.relation.references	10.1371/journal.pone.0027755	es_ES
dc.relation.references	10.1177/1932296818788873	es_ES
dc.relation.references	10.1093/bioinformatics/bty1069	es_ES
dc.relation.references	10.1016/j.ifacol.2021.08.273	es_ES
dc.relation.references	10.1038/s41598-021-96293-9	es_ES
dc.relation.references	10.1101/446583	es_ES
dc.relation.references	10.3390/insects12020169	es_ES
dc.relation.references	10.1017/S0007485314000339	es_ES
dc.relation.references	10.1002/0470045345	es_ES
dc.relation.references	10.1371/journal.pcbi.1005153	es_ES



Ficheros en el ítem

Descargar (1.668Mb)

Aguirre-ZapataG...d....pdf

PDF

Este ítem aparece en la(s) siguiente(s) colección(ones)

• Revista Iberoamericana de Automática e Informática Industrial- Vol 20, No 1 (2023) [13]
  

Mostrar el registro sencillo del ítem