Matemáticas contra las alergias
Fuente: ceiA3
La de 2013 será una primavera especialmente dura para los alérgicos al polen de olivo, pero el preludio de una buena campaña para los olivareros andaluces, según se deduce de las investigaciones realizadas por la Red Española de Aerobiología, coordinada por un equipo de investigación del Campus de Excelencia Internacional en Agroalimentación ceiA3 en la Universidad de Córdoba. La abundante polinización, derivada en una importante floración del olivo, favorecerá la producción, aunque convierta estos meses en un verdadero trance para los alérgicos.
Estas predicciones, realizadas hace varios meses, están basadas en un innovador sistema de predicción diseñado usando como base una red neuronal artificial, un modelo matemático que se inspira en el funcionamiento del sistema nervioso. Su autor, el investigador José Antonio Oteros, que realiza su tesis bajo la dirección de las doctoras Carmen Galán y Herminia García-Mozo, explica que el estudio estadístico de más de 30 años de datos de polinización y de la meteorología permite realizar las predicciones con más precisión que los anteriores modelos estadísticos tradicionales.
El nuevo sistema utiliza además de las redes neuronales artificiales, índices bioclimáticos y autorregresivos, basados en los datos recogidos en el sur de España desde el año 1982, y ha sido publicado con éxito en la revista International Journal of Biometeorology.
Últimas publicaciones
La Fundación Descubre-Consejería de Universidad, Investigación e Innovación y la Universidad Pablo de Olavide coordinan esta entidad regional que persigue la atención y asesoramiento a las iniciativas basadas en la participación activa de la ciudadanía. En su nueva convocatoria de ayudas, financiará 8 proyectos que aborden retos científicos y sociales de la región hasta junio de 2027.
El proyecto está financiado por el programa Erasmus+ de la Unión Europea y cuenta con la participación de instituciones de Italia, España y Francia.
Sigue leyendo
Un equipo de investigación de la Universidad de Cádiz ha creado un sistema basado en aprendizaje profundo capaz de localizar y clasificar automáticamente anomalías en radiografías de tórax. Los resultados mejoran la precisión de otros métodos utilizados y lo validan como una herramienta con potencial para dar soporte a la evaluación precoz de patologías del pulmón.
