REVISTA DE INGENIERIA DYNA

Palabras clave:

inteligencia artificial, redes bayesianas, inferencia, gestión portuaria, sostenibilidad, artificial intelligence, Bayesian networks, inference, port management, sustainability

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

El presente estudio presenta una metodología inspirada en modelos de inteligencia artificial, consistiendo en la realización de inferencia con un modelo bayesiano para el análisis de la gestión de la sostenibilidad del sistema portuario español, con la que se ha obtenido una herramienta de ayuda a la toma de decisiones.
Dicho estudio trabaja de forma integral las cuatro dimensiones de la sostenibilidad, de forma similar a Puertos del Estado. Así, partiendo de las variables de sostenibilidad portuaria procedentes de las memorias de sostenibilidad anuales de Puertos del Estado, se ha construido un modelo probabilístico que representa dichas variables y sus dependencias condicionales a través de una red bayesiana.
Los resultados obtenidos mostraron que, a partir de la estructura de la red obtenida, dicha red se puede emplear para la predicción del valor de la clase de cualquier variable a clasificar.

Palabras Clave: inteligencia artificial, redes bayesianas, inferencia, gestión portuaria, sostenibilidad


Como la incertidumbre y la imprecisión están asociados a los procesos de razonamiento, entre los métodos de razonamiento aproximado se encuentran los métodos bayesianos, como es el caso de la inferencia empleada en el estudio realizado. Así, partiendo de las variables de sostenibilidad portuaria procedentes de las memorias de sostenibilidad anuales de Puertos del Estado, se construyó un modelo probabilístico en un grafo acíclico dirigido que representa dichas variables y sus dependencias condicionales a través de una red bayesiana

Los resultados obtenidos mostraron que, a partir de la estructura de la red obtenida, dicha red se puede emplear para la predicción del valor de la clase de cualquier variable a clasificar. Ello se obtiene mediante la asignación de valores a las predictoras o evidencias a través de su estrato de discretización y a la posterior propagación de la evidencia introducida en la red. Así, se observa que, entre otras relaciones, en los puertos con menos tráfico (evidencia), en el 42% de los casos, el porcentaje de la rentabilidad sobre activos (variable desconocida) adopta valores menores.