Harley Zuñiga

Dr. Harley Zuñiga


Research Focus & Metrics

Academic Career Length

57Years (1970-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
 in INGENIERÍA Y COMPETITIVIDAD
Verified
Journal Article
Open access
PDF file
JAJairo Altamar
Jairo Altamar
HZHarley Zuñiga
Harley Zuñiga
LMLuis M. Manjarrés-Martínez
Luis M. Manjarrés-Martínez
A partir de un análisis crítico de la configuración tecnológica actual de las embarcaciones y los equipos de pesca de la flota industrial de arrastre de camarón que faena en el Mar Caribe de Colombia, se determinó la viabilidad de introducir cambios tecnológicos que tendrían un impacto positivo en la eficiencia de esta flota, actualmente inmersa en una situación de veda económica a la que han contribuido los altos costos de operación. Los resultados indican que las relaciones de transmisión están mal diseñadas, y un funcionamiento ideal se lograría reduciendo el número de dientes de la rueda de estrella conducida. Además hay un sobredimensionamiento en la potencia y las dimensiones de las embarcaciones, con respecto al tamaño de los equipos de pesca actualmente utilizados. La alternativa sería diseñar equipos ajustados a la potencia instalada, construidos con materiales más resistentes y livianos, que disminuyan el consumo de combustible y el impacto sobre la pesca acompañante.

29 September 2026 in Applied Sciences
Verified
Journal Article
Open access
PDF file
DRDIEGO RESTREPO-LEAL
DIEGO RESTREPO-LEAL
MCMario C. Cruz-Mercado
Mario C. Cruz-Mercado
JAJairo Altamar
Jairo Altamar
HZHarley Zuñiga
Harley Zuñiga
MMMiguel Enrique Iglesias Martínez
Miguel Enrique Iglesias Martínez
Pedro Fernández de Córdoba CastelláPedro Fernández de Córdoba Castellá
Pedro Fernández de Córdoba Castellá
Monitoring landings in data-scarce fisheries is hampered by short, noisy series and multi-year reporting gaps. We benchmark Echo State Networks (ESNs) against SARIMA, LightGBM, and LSTM models and against naïve and seasonal-naïve persistence, for one-step-ahead forecasting of the monthly landings (1993–2023) of the shallow-water shrimp industrial trawl fishery of the Colombian Caribbean, using a gap-filled series, equal tuning budgets, and walk-forward validation (h=1, 72 origins) on an embedded NVIDIA Jetson Orin Nano. The ESN obtained the lowest errors (MAE = 1.33 tons, RMSE = 1.82 tons), 28% and 34% below the naïve forecast on the same window (1.85 and 2.77 tons), and Diebold–Mariano tests favored it over every other model; the advantage comes from the test years 2021–2023, and LightGBM is a close competitor. The ESN needed 337 ms per origin (fit plus predict) and 0.08 ms per sample at inference. A bidirectional ESN interpolated 108 unmonitored months; in blind-gap tests, it was no more accurate than linear or Kalman interpolation, and calibrated bands are wide. Because only landings, not fishing effort, are analyzed, the post-2013 decline cannot be separated from fleet contraction.

21 September 2021 in Acta Biológica Colombiana
Verified
Journal Article
Open access
PDF file
JAJesús David Arrieta Atencio
Jesús David Arrieta Atencio
HZHarley Zuñiga
Harley Zuñiga
JAJairo Altamar
Jairo Altamar
La estimación precisa de curvas de selectividad de redes de enmalle en una población de peces es un requisito importante para la sostenibilidad de los stocks explotados. Sin embargo, los trabajos de selectividad para artes de pesca que operan en ecosistemas continentales de Colombia son muy escasos. Este estudio determinó los parámetros de selectividad de redes de enmalle utilizadas en la captura del bocachico (Prochilodus magdalenae). El diseño experimental evaluó tres tamaños de malla (5,72; 6,35 y 8,89 cm) y las capturas se realizaron en diferentes sitios de pesca de la ciénaga de Zárate. Con la utilización del método SELECT se estimaron los parámetros de selectividad y mediante un análisis de Kruskall Wallis se determinaron las diferencias en la captura por unidad de esfuerzo. Además, el tamaño de malla óptimo fue calculado a partir del principio de similaridad geométrica de Baranov. Los resultados muestran que el modelo normal con varianza proporcional al tamaño de malla es el que mejor ajuste presentó para la captura de bocachico. Las longitudes modales calculadas con el modelo normal con varianza proporcional al tamaño de malla fueron 22,90, 25,45 y 35,63 cm para tamaños de malla de 5,72, 6,35 y 8,89 cm, respectivamente. El tamaño de malla óptimo calculado fue 6,99 cm. Los resultados indican que las redes con tamaños de malla de 5,72 cm e inferiores tienen un efecto sobre la estructura de tamaños del bocachico. Estas redes requieren ser priorizadas en la formulación de medidas de manejo basadas en la ordenación de este arte de pesca, lo que permitirá la sostenibilidad de la pesquería.

31 December 2013 in Revista U.D.C.A Actualidad & Divulgación Científica
Verified
Journal Article
Open access
UMUniversidad del Magdalena
Universidad del Magdalena
HZHarley Zuñiga
Harley Zuñiga
AFAndrik Fernández
Andrik Fernández
JAJairo Altamar
Jairo Altamar

28 August 2026 in Preprints.org
Verified
Preprint
Open access
PDF file
DRDIEGO RESTREPO-LEAL
DIEGO RESTREPO-LEAL
MCMario C. Cruz-Mercado
Mario C. Cruz-Mercado
JAJairo Altamar
Jairo Altamar
HZHarley Zuñiga
Harley Zuñiga
MMMiguel Enrique Iglesias Martínez
Miguel Enrique Iglesias Martínez
Pedro Fernández de Córdoba CastelláPedro Fernández de Córdoba Castellá
Pedro Fernández de Córdoba Castellá
Monitoring and forecasting environmental thresholds in data-scarce ecosystems poses a critical challenge for resource management. In this study, we evaluate four forecasting paradigms—Seasonal Autoregressive Integrated Moving Average (SARIMA), Light Gradient Boosting Machine (LightGBM), Long Short-Term Memory (LSTM) networks, and Echo State Networks (ESNs)—to model and reconstruct historical landing dynamics of a shallow-water shrimp fishery. The historical time series exhibits severe data gaps, including continuous unmonitored periods spanning up to six years. To assess real-time deployment feasibility, all models were benchmarked on an embedded NVIDIA Jetson Orin Nano edge platform using walk-forward validation (h=1). Empirical results demonstrate that the ESN architecture captures the non-linear temporal dynamics of the fishery, achieving the highest predictive accuracy (MAE=1.37t, RMSE=1.96t, and RMSSE=0.70). A bidirectional forecasting-backcasting reconstruction strategy filled the multi-year gaps and confirmed that the landing decline occurred abruptly after 2013. For edge computing applications, the ESN achieved low latency, executing sub-millisecond inference (0.27ms) and a fast training time per fold (424.44ms) while consuming less energy than LSTM. These findings indicate that projecting dynamics into a high-dimensional fixed reservoir provides a computationally efficient solution for continuous time-series reconstruction and landing trend detection under severe data and hardware constraints.