Modelo predictivo para el rendimiento de cultivos de cacao en Santander basado en herramientas de aprendizaje automático supervisado

Simple item page
dc.contributor.advisorLamos Díaz, Henry
dc.contributor.advisorPuentes Garzón, David Esteban
dc.contributor.authorCáceres Ortiz, Paula Andrea
dc.contributor.authorGamboa Ariza, Andrea Carolina
dc.date.accessioned2023-04-06T04:07:16Z
dc.date.available2023
dc.date.available2023-04-06T04:07:16Z
dc.date.created2019
dc.date.embargoEnd2024-12-31
dc.date.issued2019
dc.description.abstractLas herramientas de Aprendizaje Automático representan una buena alternativa para el sector agrícola, dado que permiten apoyar a los agricultores, gobierno y demás actores del sector en la toma de decisiones a partir de pronósticos en los rendimientos de los cultivos, los cuales se definen como el volumen de producto cosechado por unidad de área (Kg/Ha), proporcionando así información para mejorar su productividad. El presente trabajo tiene como objeto de estudio un cultivo experimental de cacao en Santander, ubicado en el centro de investigación La Suiza, y su propósito es predecir el rendimiento del cultivo a través de un conjunto de variables fotosintéticas, morfológicas, climáticas, químicas y físicas del suelo. Haciendo uso del Modelo Lineal Generalizado (GLM) y las Máquinas de Soporte Vectorial (SVM), se identificaron las variables explicativas de mayor impacto tanto de forma negativa como de forma positiva sobre la variable rendimiento de cultivo de cacao, con las cuales el decisor puede determinar la mejor combinación para obtener un mayor rendimiento dentro de los recorridos de las variables. La construcción y comparación de los resultados de los dos modelos, fue útil para ratificar que las variables explicativas: Diámetro del tronco, Fósforo (P), Magnesio (Mg), %Arena, %Hum/Grav, Radiación, Temperatura, Humedad y Lluvias acumuladas son las variables que explican en mayor medida el rendimiento del cultivo de cacao.
dc.description.abstractenglishSupervised Machine Learning represent a good alternative for the agriculture, in the way that it allows to support farmers, government and other stakeholders in the decision-making process based on crop yield forecast, which are defined as the volume of product harvested per unit area (Kg / Ha), thus providing information to improve their productivity. This investigation has as object of study an experimental culture of cocoa in Santander, located in the research center La Suiza, and its purpose is to predict the yield of the crop through a set of photosynthetic, morphological, climatic, chemical and physical variables. Using the Generalized Linear Model (GLM) and the Vector Support Machines (SVM), the explanatory variables with the greatest impact were identified both negatively and positively on the cocoa crop yield variable, with which the decision maker can determine the best combination to obtain a better performance within the paths of the variables. The construction and comparison of the results of the two models, was useful to ratify that the explanatory variables: Diameter of the trunk, Phosphorus (P), Magnesium ( Mg),% Sand, % Hum/Grav, Radiation, Temperature, Humidity and Rains accumulated are the variables that explain to a greater extent the performance of the cocoa crop.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Industrial
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/13477
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Industrial
dc.publisher.schoolEscuela de Estudios Industriales y Empresariales
dc.rightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.accessrightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_f1cf/
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectAprendizaje automático
dc.subjectPredicción
dc.subjectCultivos
dc.subjectSantander
dc.subject.keywordMachine Learning
dc.subject.keywordPrediction
dc.subject.keywordCrop
dc.subject.keywordSantander
dc.titleModelo predictivo para el rendimiento de cultivos de cacao en Santander basado en herramientas de aprendizaje automático supervisado
dc.title.englishProject Predictive Model for the Yield of Cocoa Crops in Santander using Supervised Machine Learning
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
624.44 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
3.41 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
528.81 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Industrial