Modelo de regresión basado en máquinas de aprendizaje utilizando datos estadísticos del café Colombiano
DOI:
https://doi.org/10.61799/2216-0388.1499Palabras clave:
Demanda, Exportación, Predicción, Rendimiento, Variable, ProducciónResumen
La inteligencia artificial está teniendo un impacto positivo en el mundo gracias a su capacidad para resolver problemas de la vida real. En este contexto, se está llevando a cabo un proyecto investigativo que propone el uso de técnicas de inteligencia artificial para predecir la demanda de producción y exportación de café colombiano. Para estimar una predicción futura a partir de datos históricos, se emplearán dos técnicas de aprendizaje automático: máquinas de soporte vectorial y la red neuronal recurrente (RNN) tipo Long Short Term Memory (LSTM), ambas aplicadas para predicciones con el método de regresión. En este estudio se utilizaron los datos de 107 registros mensuales entre 2014 y 2022 para predecir la demanda de producción y exportación de café. Se identificaron 17 variables que afectan las exportaciones de café y 12 variables que afectan la producción. Estas variables se incluyen en un archivo CSV que contiene 107 registros. Durante el entrenamiento, el 70% de los datos se usará para que el modelo predictivo aprenda, mientras que el 30% restante se utilizará para visualizar el rendimiento del modelo predictivo.
Descargas
Citas
. Economía | Portafolio. (n.d.). La producción de café en Colombia cayó a julio de 2022 | Finanzas. Economía | Portafolio. Retrieved October 6, 2022.
https://www.portafolio.co/economia/finanzas/la-produccionde-cafe-en-colombia-cayo-a julio-de- 2022-569080
. González, G. Bloqueos y clima disminuyeron en 9% la producción de café en Colombia. Redagricola. 2021.
https://www.redagricola.com/co/clima-y-bloqueos-disminuyeron-en-9-la-produccion-de-cafe-encolombia/
. Iberdrola. (s. f.). ¿Qué es la Inteligencia Artificial? - Iberdrola. Recuperado 7 de octubre de 2022, a partir de https://www.iberdrola.com/innovacion/que-es-inteligencia artificial
. Rico, A. En julio 2022 la producción de café disminuyó 22%, quedó en 944.000 sacos de 60 kg. 2022. https://www.agronegocios.co/agricultura/en- julio-2022-la-produccion-de-cafe-cayo-22- quedo-en944-000-sacos-de-60-kg-3416913
.Stacey, D. Paro y clima, entre las razones para la caída de 9% en la producción de café en 2021. 2022.
https://www.agronegocios.co/agricultura/paro-y- clima-entre-las-razones-para-la-caida-de-9-en- laproduccion-de-cafe-en-2021-3285221
. Hernández, R., Fernández, C., & Baptista, P. Metodología de la investigación 2014. (J. M. Chacón, Ed.). McGraw Hill. Retrieved from https://www.academia.edu/32697156/Hern%C3%A1ndez_R_2014_Metodologia_de_la_Investigacion
. José Martín Guareño Supervisado Por, J., & Blanquero Bravo Emilio Carrizosa Priego Facultad Matemáticas, R. De. Trabajo Fin De Grado Support Vector Regression: Propiedades Y Aplicaciones. 2016.
. León, E. C. Introducción a las máquinas de vector soporte (svm) en aprendizaje supervisado. 2016.
. Torres.AI. (n.d.). Redes neuronales recurrentes - jordi torres.ai. Retrieved from https://torres.ai/redes-neuronales-recurrentes/
. Carmona, E. Tutorial sobre máquinas de vectores soporte(svm). Retrieved from https://www.cartagena99.com/recursos/alumnos/ apuntes/ Tema8._Maquinas_de_Vectores_Soporte.p. 2016.
. Westreicher, G. redicción (estadística) - qué es, definición y concepto | 2022 | economipedia. Retrieved from https://economipedia.com/definiciones/prediccio n-estadistica.html. 2020.
. Rendón, J. C. M., Villalobos, C. F. A., & Ledesma, F. A. R. Mirada a los aspectos económicos, financieros, sociales y ambientales del cultivo del café en Colombia-2022. Documentos de Trabajo ECACEN, (1), 144-161. 2023.
. Salazar Gallego, F. A. Café de Colombia, análisis de los Principales Productores de café del mundo (Bachelor's thesis, Escuela de Economía, Administración y Negocios. Facultad de Negocios Internacionales). 2021.
. Yosa, M. C., & Regalado, J. G. Análisis de la competitividad de las exportaciones de café de Ecuador versus Colombia y Brasil hacia el mercado de USA. X-pedientes Económicos, 5(12), 65-80. 2021.
. Rivera Rojo, C. R. Competitividad del café mexicano en el comercio internacional: un análisis comparativo con Brasil, Colombia y Perú (2000-2019). Análisis económico, 37(94), 181-199. 2022.
. Tovar, Y. T., Calvo, A. F., & Bejarano, A. Desarrollo de un sistema de clasificación de imágenes digitales para medir la humedad en granos de café. Información tecnológica, 33(3), 117-128. 2022.
. Coppiano Marín, A. D., & Herrera Vargas, C. J. Desarrollo de aplicativo web basado en máquinas de vectores de soporte (svm) de aprendizaje supervisado para la predicción en la recomendación de cultivos mediante datos ambientales para fincas agroecológicas del cantón La Maná, provincia de Cotopaxi (Bachelor's thesis, Ecuador: La Mana: Universidad Técnica de Cotopaxi (UTC)). 2022.
. Muñoz-Castaño, Y., Castillo-Ossa, L., Castrillón-Gomez, O., Buitrago-Carmona, F., & Loaiza Giraldo, S. Desarrollo de una aplicación para la predicción de ingredientes y recetas de cocina por medio de TensorFlow y máquinas de soporte vectorial. Revista Ingenierías Universidad de Medellín, 19(37), 1. 2020.
. Muñoz Ordóñez, C. C., Cobos Lozada, C. A., & Muñoz Ordóñez, J. F. (2023). Predicción del rendimiento de cultivos de café: un mapeo sistemático. Ingeniería y competitividad, 25(3). 2023
. Castellano-Corzo, A., David Lara-Rodriguez, L., & López-Mélendez, E. (2023). Comparación de redes neuronales convolucionales (RNC) para la detección de plagas en el cultivo del durazno en departamento Norte de Santander, Colombia. Informador Técnico, 87(2). 2023
. CONTRERAS CERPA, Pablo Sebastián, et al. (2021). Proyecciones de producción de cobre considerando consumo de agua, energía y emisiones de gases de efecto invernadero, con redes neuronales recurrentes. 2021.
. Chamat Torres, C. P. (2021). Modelo predictivo de deserción estudiantil de educación preescolar, básica y media en el municipio de Medellín. 2021
. Hincapié Herrera, E. A. (2021). Predicción de la Demanda Usando Modelos de Machine Learning.
. García Palacios, C. C. (2021). Modelo basado en redes neuronales para la predicción de precios de inmuebles Piura-2021.
. Ramírez Quiceno, M., & Medina Báez, A. (2022). Aplicación de técnicas de Machine Learning para la predicción del riesgo de default de un cliente en una compañía de Filipinas.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Mundo FESC
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.