Estudio de modelos predictivos para el cultivo de microalgas en fotobiorreactores

Abstract

[Resumen]: La optimización de cultivos de microalgas en fotobiorreactores constituye un elemento crítico para el desarrollo de biocombustibles de tercera generación, donde Chlorella vulgaris destaca por su elevado contenido lipídico y rápida capacidad de crecimiento. Sin embargo, los sistemas actuales de monitorización presentan limitaciones significativas en la predicción precisa de biomasa, careciendo de herramientas que integren eficazmente múltiples variables ambientales, nutricionales y temporales, así como metodologías que eviten data leakage temporal en la validación de modelos predictivos. Este trabajo desarrolla un sistema predictivo multimodal que combina seis algoritmos de machine learning (modelos lineales, basados en ´arboles y redes neuronales) en una arquitectura ensemble, incorporando feature engineering biológicamente informado basado en ecuaciones de Jassby-Platt y Haldane, junto con validación temporal por escenarios completos para garantizar estimaciones realistas de capacidad de generalización. El sistema alcanzó un coeficiente de determinación R² = 0.9497 con error cuadrático medio de 0.2219 g/L y error porcentual absoluto medio de 11.5 %, superando consistentemente el rendimiento de modelos individuales. El análisis de importancia de variables reveló que el feature engineering biológico contribuyó significativamente, posicionando variables derivadas como el efecto de nutrientes Haldane en el primer lugar del ranking de relevancia predictiva. Los resultados demuestran que la metodología desarrollada proporciona una herramienta robusta y escalable para la optimización industrial de cultivos de Chlorella vulgaris, facilitando la toma de decisiones en procesos biotecnológicos y contribuyendo al avance hacia sistemas energéticos sostenibles basados en biocombustibles de microalgas.

[Resumo]: A optimización dos cultivos de microalgas en fotobiorreactores constitúe un elemento crítico para o desenvolvemento dos biocombustibles de terceira xeración, onde Chlorella vulgaris destaca polo seu elevado contido lipídico e pola súa rápida capacidade de crecemento. Porén, os sistemas actuais de monitorización presentan limitacións significativas na predición precisa da biomasa, ao carecer de ferramentas que integren de xeito eficaz múltiples variables ambientais, nutricionais e temporais, así como metodoloxías que eviten o data leakage temporal na validación dos modelos predictivos. Este traballo desenvolve un sistema predictivo multimodal que combina seis algoritmos de aprendizaxe automática (modelos lineais, baseados en árbores e redes neuronais) nunha arquitectura ensemble, incorporando feature engineering biologicamente informado baseado nas ecuacións de Jassby-Platt e Haldane, xunto cunha validación temporal por escenarios completos para garantir estimacións realistas da capacidade de xeneralización. O sistema acadou un coeficiente de determinación de R² = 0.9497 cun erro cadrático medio de 0.2219 g/L e un erro porcentual absoluto medio do 11.5 %, superando de maneira consistente o rendemento dos modelos individuais. A análise de importancia de variables revelou que o feature engineering biolóxico contribuíu de maneira significativa, situando variables derivadas como o efecto de nutrientes segundo Haldane no primeiro lugar do ranking de relevancia predictiva. Os resultados demostran que a metodoloxía desenvolvida proporciona unha ferramenta robusta e escalable para a optimización industrial dos cultivos de Chlorella vulgaris, facilitando a toma de decisións en procesos biotecnolóxicos e contribuíndo ao avance cara a sistemas enerxéticos sostibles baseados en biocombustibles de microalgas.

[Abstract]: he optimization of microalgae cultivation in photobioreactors constitutes a critical element for the development of third-generation biofuels, where Chlorella vulgaris stands out due to its high lipid content and rapid growth capacity. However, current monitoring systems present significant limitations in accurately predicting biomass, lacking tools that effectively integrate multiple environmental, nutritional, and temporal variables, as well as methodologies that prevent temporal data leakage in the validation of predictive models. This work develops a multimodal predictive system that combines six machine learning algorithms (linear models, tree-based methods, and neural networks) in an ensemble architecture, incorporating biologically informed feature engineering based on the Jassby-Platt and Haldane equations, together with temporal validation by complete scenarios to ensure realistic estimates of generalization capacity. The system achieved a coefficient of determination of R² = 0.9497 with a mean squared error of 0.2219 g/L and a mean absolute percentage error of 11.5 %, consistently outperforming the individual models. Variable importance analysis revealed that biologically inspired feature engineering contributed significantly, with derived variables such as the Haldane nutrient effect ranking first in predictive relevance. The results demonstrate that the developed methodology provides a robust and scalable tool for the industrial optimization of Chlorella vulgaris cultivation, supporting decision-making in biotechnological processes and contributing to the advancement towards sustainable energy systems based on microalgae biofuels.