Professional Documents
Culture Documents
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/301647538
APRENDIZAJE AUTOMTICO APLICADO A LA PREDICCIN DE LA FLORACIN DEL BANANO (Musa AAA) EN FINCAS DE COSTA RICA
Poster April 2016
DOI: 10.13140/RG.2.1.1796.6486
CITATIONS
READS
21
3 authors, including:
Luis Alexander Calvo-Valverde
10 PUBLICATIONS 1 CITATION
9 PUBLICATIONS 3 CITATIONS
SEE PROFILE
SEE PROFILE
Resumen
Resumen
R2
0,5
0,4
0,3
0,2
0,1
0
1
10
Resultados
Resultados
Se resumen los resultados obtenidos en los siguientes grficos:
SVR-kernel lineal
25
30
25
30
Regresin lineal
0,6
0,5
0,4
0,3
0,2
0,1
0
1
10
15
SVR-kernel lineal
Regresin lineal
0,5
0,4
0,3
0,2
0,1
0
1
10
15
25
30
SVR-kernel lineal
Regresin lineal
Materiales
y mtodos
Materiales
y mtodos
Datos de floracin de una finca localizada en 28 Millas, Cantn
de Matina, Costa Rica, relacionados con datos climatolgicos
obtenidos del programa BANACLIMA-CORBANA de la estacin
ubicada en 28 Millas. Banano Musa AAA.
Datos correspondientes a la semana 14 del 2011 a la semana 17
del 2014, un total de 160 observaciones.
Algoritmos probados: Regresin lineal por mnimos cuadrados
[3], Echo State Networks (es una red neuronal artificial
recurrente) [2] y Mquinas de soporte vectorial (SVR) con el
kernel lineal [1].
Pruebas con tres diferentes variables a predecir: peso neto kilo,
racimos cortados y embolse por hectrea.
Las variables incluidas en el modelo fueron: Promedio semanal
de la velocidad del tiempo, de la humedad y de la temperatura;
adems la precipitacin semanal total.
Se hicieron pruebas con rangos de observacin de 5, 10, 15 y 30
semanas antes de la prediccin; y para predecir 1, 5, 10, 15, 25 y
30 semanas adelante.
Como mtrica de comparacin de los algoritmos se utiliz el
coeficiente de determinacin, R2.
Se realiz la validacin con las ltimas 52 semanas con el fin de
mostrar la utilidad de los resultados en las condiciones actuales
del tiempo de cambio climtico.
15
R2
Introduccin
Introduccin
Las floraciones en fincas productoras de banano estn
influenciadas por factores biticos y abiticos, no permitiendo
obtener una estimacin acertada de las mismas. Un pronstico
cercano a lo real permitira una mejor sincronizacin en las
actividades de cosecha y comercializacin de la fruta.
El aprendizaje mquina es el estudio de algoritmos de
computadora que mejoran automticamente a travs de la
experiencia. Este tipo de aprendizaje ha sido utilizado en diversas
aplicaciones, que van desde la minera de datos que descubre las
reglas en grandes conjuntos de datos, hasta sistemas de filtracin
de informacin que automticamente aprenden los intereses de
los usuarios [4] [5].
0,6
R2
0,7
0,6
0,4
0,2
0
embolse-hectrea
peso-neto-kg
racimos-cortados
Variable a predecir
5 10 15 30
Conclusiones
Conclusiones
Los R2 obtenidos varan segn el algoritmo y el patrn de
semanas a utilizar, pero los mejores resultados pueden
alcanzar un 85% en tiempo de validacin para el peso
neto kilo, 57% para racimos cortados y 64% para el
embolse por hectrea, para predecir una semana.
Como trabajo futuro se realizarn pruebas con ms
fincas y con una mayor cantidad de observaciones, a fin
de que el aprendizaje de maquina mejore
automticamente y se pueda ampliar el tiempo de
pronstico con mejores resultados.
Referencias
Referencias
[1] Demir, B., & Bruzzone, L. (2014). A multiple criteria active learning method for support vector
regression. Pattern Recognition, 25582567. doi:10.1016/j.patcog.2014.02.001
[2] Ferreria, A., Ludermir, T., & de Aquino, R. (2013). An approach to reservoir computing design
and training. Expert Systems with Applications, 40, 4172-4182.
[3] Murphy, K. P. (2012). Machine Learning. A probabilistic perspective. Massachusetts: MIT Press.
[4] Soares, J., Pasqual, M., & Lacerda, W. (2014). Comparison of techniques used in the prediction
of yield in banana plants. Scientia Horticulturae, 167, 8490. Scientia Horticulturae Journal, 167,
84-90.
[5] Witten, I., Eibe, F., & Hall, M. (2011). Data Mining. Practical machine learning tools and
techniques. USA: Morgan Kaufmann Publiisher.
Contactos: lcalvo@itcr.ac.cr , mgonzale@Corbana.co.cr y jguzman@Corbana.co.cr.