Aplicacion y comparacion de metodos de aprendizaje automatico para la prediccion de rendimientos agricolas en cultivos de cacao en santander
No Thumbnail Available
Date
2019
Authors
Advisors
Lamos Díaz, Henry
Zarate Caicedo, Diego Alejandro
Evaluators
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
La identificación de los factores que influyen en el rendimiento (kg·ha-1) de un cultivo provee información esencial para la toma de decisiones orientadas al mejoramiento y predicción de la productividad, proporcionando posibilidades a los agricultores para mejorar sus ingresos económicos. En este estudio, se presenta la aplicación de diversos algoritmos de aprendizaje automático para la predicción del rendimiento agrícola en cultivos de cacao y la identificación de los factores que influyen sobre este. Se consideran los algoritmos de máquinas de soporte vectorial (SVM), modelos ensamblados (bosques aleatorios, Gradient Boosting) y se comparan con el modelo de regresión LASSO. Los resultados identifican a Gradient Boosting como la mejor alternativa de pronóstico con R2 = 68%, MAE = 10.13 y RMSE = 18.30. En cuanto a los factores que influyen sobre el rendimiento, inicialmente se considera el cultivo completo (tipo de exposición como variable independiente), donde se identifica: la radiación un mes previo a la cosecha, las lluvias acumuladas el mes de la cosecha y la temperatura un mes previo a la cosecha como las variables determinantes para explicar la variabilidad del rendimiento en el cultivo. Posteriormente, se evalúa el tipo de exposición de manera independiente, permitiendo identificar la radiación un mes previo a la cosecha como el factor más influyente cuando el cultivo está bajo sombra, mientras que las lluvias y la humedad lo son para el cultivo con exposición plena sol. Estos resultados sugieren que se deben dar manejos específicos y diferenciados dependiendo el tipo de exposición para no comprometer la productividad. *
Description
Keywords
Aprendizaje Automático, Predicción, Cacao,