
Departamento de Ciencias Agroforestales
Escuela Técnica Superior de Ingeniería (ETSI)
Campus Universitario de El Carmen
UNIVERSIDAD DE HUELVA
ANNPi 1.0
Este sistema permite la calibración persistente de modelos de redes neuronales. Enlaza dos programas: el primero de ellos desarrollado en entorno VB6 a través del cual el usuario importa los datos, determina las variables de entrada y salida así como las características intrínsecas de la red neuronal (capas ocultas, nodos por capa, tasa de aprendizaje, umbrales de error...) y testéa la persistencia en la fase de validación. El segundo programa desarrollado en lenguaje R genera la matriz de pesos de la red neuronal que proporciona el mejor índice de persistencia en la fase de validación.
​
Desde el curso 2019-20 se viene utilizando en las prácticas de la asignatura Análisis de Datos y Explotación de Resultados del Máster Universitario en Ingeniería de Montes de la Universidad de Huelva.
​
SISTEMA OPERATIVO/: Windows 7 o superior
HERRAMIENTAS DE DESARROLLO: Microsoft VisualBasic 6.0; R 3.4.4 o superior
NIVEL DE DESARROLLO: 70%
DEPURADO: No
REQUERIMIENTOS: Se necesita Microsoft Excel; RScript.exe
​
DISPONIBILIDAD DEL SOFTWARE: El paquete y las instrucciones de instalación se proporcionarán bajo petición razonable a los autores.
​
This system allows the persistent calibration of neural network models. It links two programs: the first one developed in VB6 environment through which the user imports the data, determines the input and output variables as well as the intrinsic characteristics of the neural network (hidden layers, nodes per layer, learning rate, error thresholds...) and tests the persistence in the validation phase. The second program developed in R language generates the weights matrix of the neural network that provides the best persistence index in the validation phase.
​
Since the 2019-20 academic year it has been used in the practices of the subject Data Analysis and Exploitation of Results of the Master's Degree in Forestry Engineering at the University of Huelva.
​
OS: Windows 7 or higher
DEVELOPMENT TOOLS: Microsoft VisualBasic 6.0; R 3.4.4
DEVELOPMENT LEVEL: 70%
REFINED: No
REQUIREMENTS: Microsoft Excel; RScript.exe
​
SOFTWARE AVAILABILITY: The package and installation instructions will be provided on reasonable request to authors.
​
​
​




CORN 1.0
Este sencillo programa te permite calcular correlaciones no lineales desfasadas en el tiempo para un total de 22 funciones no lineales. Es un sistema de ayuda para la selección de retrasos en modelos de series de tiempo.
​
SISTEMA OPERATIVO: Windows 98, Windows XP, Vista, 7
HERRAMIENTA DE DESARROLLO: Microsoft VisualBasic 6.0
NIVEL DE DESARROLLO: 90%
DEPURADO: No
REQUERIMIENTOS: Se necesita Microsoft Excel
​
Algunos ejemplos de aplicación los puedes encontrar en:
-
Gutiérrez-Estrada, J.C., Yáñez, E., Pulido-Calvo, I., Silva, C., Plaza, F., Bórquez, C. (2009). Pacific sardine (Sardinops sagax, Jenyns 1842) landings prediction. A neural network ecosystemic approach. Fisheries Research, 100: 116-125.
​
-
Yáñez, E., Plaza, F., Gutiérrez-Estrada, J.C., Rodríguez, N., Barbieri, M.A., Pulido-Calvo, I., Bórquez, C. (2010). Anchovy (Engraulis ringens) and sardine (Sardinops sagax) abundance forecast off northern Chile: A multivariate ecosystemic neural network approach. Progress in Oceanography, 210: 242-250.
​
-
Pulido-Calvo, I., Gutiérrez-Estrada, J.C., Savic, D. (2011). Heuristic modelling of the water resources management in Guadalquivir River Basin, southern Spain. Water Resources Management, DOI: 10.1007/s11269-011-9912-0
​

Ventana principal de CORN 1.0
NUBECILLA 1.0
Este programa permite llevar a cabo ajustes regresivos difusos cuantitativos. Como estrategia de ajuste emplea una algoritmo evolutivo. Como resultados más relevantes, proporciona la memoria asociativa del sistema, la matriz de consistencia y similaridad entre reglas y permite llevar a cabo un análisis de sensibilidad de la variables basándose en el método propuesto por Baraldi et al. (2009). Desde el curso 2015-2016 se utiliza como recurso docente en las prácticas de las asignaturas de Análisis de datos y explotación de resultados y Metodología de la investigación en el ámbito forestal del Máster Oficial en Ingeniería de Montes de la Universidad de Huelva.
​
SISTEMA OPERATIVO: Windows 98, Windows XP, Vista, 7
HERRAMIENTA DE DESARROLLO: Microsoft VisualBasic 6.0
NIVEL DE DESARROLLO: 30%
DEPURADO: No
REQUERIMIENTOS: Se necesita Microsoft Excel
Ejemplos de aplicación lo puedes encontrar en:
-
Gutiérrez-Estrada, J.C., Pulido-Calvo, I., De la Rosa, I., Marchini, B. (2012). Modeling inflow rates for the water exchange management in semi-intensive aquaculture ponds. Aquacultural Engineering, 48: 19-30.
​
-
Gutiérrez-Estrada, J.C., Pulido-Calvo, I., Bilton, D.T. (2013). Consistency of fuzzy rules in an ecological context. Ecological Modelling, 251: 187-198.
​
-
Pulido-Calvo, I., Gutiérrez-Estrada, J.C., Martí, P. (2015). Implementación de sistemas de control borroso en actividades dirigidas en las Escuelas de Ingeniería. Modelling in Science Education and Learning, 8(2): 37-49. DOI: 10.4995/msel.2015.3356

Pestaña 'Rules' donde se puede ver la matriz de consistencia del sistema
ACUIGES 1.0
El software integra diferentes aspectos de gestión y manejo de plantas de acuicultura intensiva. Desde el curso 2013-2014 viene siendo utilizado como recurso docente en las prácticas de la asignatura Recursos Cinegéticos y Piscícolas del curso 3º del Grado en Ingeniería Forestal y del Medio Natural de la Universidad de Huelva.
​
SISTEMA OPERATIVO: Windows 98, Windows XP, Vista, 7
HERRAMIENTA DE DESARROLLO: Microsoft VisualBasic 6.0
NIVEL DE DESARROLLO: 30%
DEPURADO: No
REQUERIMIENTOS: ---
Ejemplos de aplicación lo puedes encontrar en:
-
Pulido-Calvo, I., Gutiérrez-Estrada, J.C., Asensio-Fernández, R. (2006). Optimal desing of pumpung stations of inland intensive fishfarms. Aquacultural Engineering, 35: 283-291.
​​
-
Pulido-Calvo, I., Gutiérrez-Estrada, J.C, Corbacho, J.M. (2008). Pipes size selection of water distribution systems of fishfarms. Aquacultural Engineering, 39: 43-52.
​
-
Pulido-Calvo, I., Gutiérrez-Estrada, J.C., Díaz-Rubio, E., De la Rosa, I. (2014). Assisted management of water exchange in traditional semi-intensive aquaculture ponds. Computers and Electronics in Agriculture, 101: 128-134.





RedGen 1.0
RedGen es un programa de ordenador que permite la simulación de modelos heurísticos de redes neuronales artificiales. En función del tipo de aprendizaje y de la arquitectura, los modelos neuronales que se pueden considerar en esta aplicación son: supervisados unidireccionales (retropropagación estándar, DBD, EDBD y LVQ), híbridos (RBF) y no supervisados realimentados (ART1, ART2 y Holfield).
​
AUTORES: Juan Carlos Gutiérrez Estrada e Inmaculada Pulido Calvo
SISTEMA OPERATIVO: Windows 98, Windows XP
HERRAMIENTA DE DESARROLLO: Microsoft VisualBasic 4.0
NIVEL DE DESARROLLO: 100%
DEPURADO: Sí (sin actualizar)
REQUERIMIENTOS: --
REGISTRO: HU74/02 04/2002/554
​
Ejemplos de aplicación lo puedes encontrar en:
-
Gutiérrez Estrada, J.C., Pulido Calvo, I., Prenda Marín, J. (2000). Gonadosomatic index estimates of an introduced pumpkinseed (Lepomis gibbosus) population in a mediterranean stream, using computational neural networks. Aquatic Sciences, 62(4): 350-363.
​
-
Pulido Calvo, I., Roldán Cañas, J., López Luque, R., Gutiérrez Estrada, J.C. (2003). Demand forecasting for irrigation water distribution systems. Journal of Irrigation and Drainage Engineering, 129(6): 422-431.
​
-
Gutiérrez Estrada, J.C., de Pedro Sanz, E., López Luque, R., Pulido Calvo, I. (2004). Comparison between traditional methods and artificial neural networks for ammonia concentration forecasting in an eel (Anguilla anguilla L.) intensive rearing system. Aquacultural Engineering, 31(3-4): 183-203.


Menú de entrenamiento
Ventana principal de RedGen 1.0
DYGOSIA 1.0
El programa de ordenador DYGOSIA es un modelo jerárquico-multinivel que se desarrolló para el diseño y operación óptimos de estaciones de bombeo y depósitos de regulación en sistemas de distribución de agua. Requiere como datos de entrada la demanda de agua horaria de agua y las características hidráulicas de la red de distribución
​
AUTORES: Inmaculada Pulido Calvo y Juan Carlos Gutiérrez Estrada
SISTEMA OPERATIVO: Windows 98, Windows XP
HERRAMIENTA DE DESARROLLO: Microsoft VisualBasic 4.0
NIVEL DE DESARROLLO: 100%
DEPURADO: Sí (sin actualizar)
REQUERIMIENTOS: --
REGISTRO: HU37/02 04/2002/521
​
Ejemplos de aplicación lo puedes encontrar en:
-
Pulido Calvo, I., Roldán Cañas, J., López Luque, R., Gutiérrez Estrada, J.C. (2003). Water delivery system planning considering irrigation simultaneity. Journal of Irrigation and Drainage Engineering, 129(4): 247-255.
​
-
Pulido-Calvo, I., Gutiérrez-Estrada, J.C., Asensio-Fernández, R. (2006). Optimal desing of pumpung stations of inland intensive fishfarms. Aquacultural Engineering, 35: 283-291.



Ventana Principal y ventana Política de bombéo
CONTROLPLANT 1.0
El programa CONTROLPLANT es un sistema que permitía el control, manejo y gestión de toda la información generada en la piscifactoría Hidrorecursos S.A. Integra el sistema de diagnóstico palógico SEDPA.
​
SISTEMA OPERATIVO: Windows 98, Windows XP
HERRAMIENTA DE DESARROLLO: Microsoft VisualBasic 4.0
NIVEL DE DESARROLLO: 100%
DEPURADO: Sí (sin actualizar)
REQUERIMIENTOS: --
​
Ejemplos de aplicación lo puedes encontrar en:
-
Gutiérrez-Estrada, J.C., de Pedro-Sanz, E., López-Luque, R., Pulido-Calvo, I. (2005). SEDPA, an expert systems for disease diagnosis in eel rearing systems. Aquacultural Engineering, 33(2): 110-125.
​
-
Gutiérrez-Estrada, J.C. (2003). Desarrollo y evaluación de modelos para la toma de decisiones. Caracterización de la producción de anguilas (Anguilla anguilla L.) en sistemas intensivos. Tesis Doctoral, Universidad de Córdoba.





Módulo principal de CONTROLPLANT





Módulo SEDPA para el diagnóstico de patologías
