Regression model based on machine learning using Colombian coffee statistical data
DOI:
https://doi.org/10.61799/2216-0388.1499Keywords:
Demand, export, prediction, production, performance, variablesAbstract
Artificial intelligence is having a positive impact on the world thanks to its ability to solve real-life problems. In this context, a research project is being carried out that proposes the use of artificial intelligence techniques to predict the demand for production and export of Colombian coffee. To estimate a future prediction from historical data, two machine learning techniques will be used: support vector machines and the Long Short-Term Memory (LSTM) type recurrent neural network (RNN), both applied for predictions with the regression method. In this study, data from 107 monthly records between 2014 and 2022 will be used to predict the demand for coffee production and export. 17 variables that affect coffee exports and 12 variables that affect production are identified. These variables are included in a CSV file containing 107 records. During training, 70% of the data will be used for the predictive model to learn, while the remaining 30% will be used to visualize the performance of the predictive model.
Downloads
References
. 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.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Mundo FESC Journal
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
