Aplicación de técnicas de Machine Learning como método de validación para predecir la efectividad de un modelo estadístico de series de tiempo en la producción de fruta fresca en las diferentes provincias del Ecuador

Abstract:

La agrícultura se ve afectada por diferentes factores de ambientes externos e internos como el cambio de clima, enfermedades a los cultivos entre otros; por lo cual afecta a producción de los agricultores. El objetivo de este trabajo es analizar herramientas de IA como machine learning para modelos de Pbkp_redicción de Series de Tiempo (Redes Neuronales MLP – Multivariate y Redes Neuronales MLP – Embedding) para aplicar en el proceso de pre): dicción de la producción de fruta fresca y validar la efectividad de un modelo estadístico para uso de algoritmos; manipulando los patrones de similitud; variables (entrada y salida) y métricas propias de los procesos pbkp_redictores. Para el inicio de este trabajo se obtuvieron datos del portal web del ministerio de agricultura y ganadería del Ecuador. Los resultados muestran en el trabajo investigativo; Las Redes MLP con Embedding tiende a rendir mejores resultados en las tareas de pbkp_redicción para con el otro modelo sencillo MLP-Multivariante. Ambos modelos aplicados para el proceso de pbkp_redicción de series de tiempo aplicados para la pbkp_redicción de la producción agrícola del Ecuador.

Año de publicación:

2022

Keywords:

• PREDICCIÓN
• FEDFORWARD
• Métodología
• NEURONALES
• REDES

Fuente:

rraae