Modelo predictivo para el rendimiento de cultivos de cacao y café en el departamento de Santander basado en herramientas de aprendizaje automático profundo y variables climáticas

Abstract
El Aprendizaje Automático y el Aprendizaje Profundo son técnicas utilizadas para identificar patrones y predecir comportamientos futuros, en el sector agrícola permite generar análisis y proyecciones optimizando así la producción y comercialización de los cultivos, apoyando la toma de decisiones a agricultores, gobiernos e intermediarios. Esta investigación tiene como objeto de estudio la producción agrícola anual de los cultivos de cacao y café (años 2007-2021) en los municipios de Colombia, en términos de rendimiento del cultivo (t/Ha). En este estudio se contrastan modelos de Aprendizaje Automático como Regresión Lineal Múltiple, Árbol de Decisión, Bosques Aleatorios, XGBoost y Regresión de Vectores de Soporte; frente a modelos de Aprendizaje Profundo como el Perceptrón Multicapa y la Red Neuronal Recurrente LSTM. Los predictores incluyen siete variables de condiciones ambientales proporcionadas por el IDEAM y condiciones geográficas: área sembrada y la altura sobre el nivel del mar de las cabeceras municipales. Los métodos se compararon utilizando R^2, MSE, RMSE, MAE, MAPE; encontrándose un desempeño superior en los métodos basados en árboles y en redes neuronales.
Description
Keywords
Predicción, Regresión, Aprendizaje Automático, Cultivos, Condiciones climáticas, Condiciones geográficas
Citation