1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Maestría en Ciencia de Datos

Título :	Estimación de la demanda de agua en cultivos de banano aplicando modelos de pronósticos para fincas de pequeños y medianos productores en la provincia de El Oro
Autor :	Cruz Ramírez, Eduardo Segundo , Director Calvache Silvestre, Andrés Francisco Roldán Carranza, Daniela Alexandra
Palabras clave :	Evapotranspiración Redes neuronales ARIMA MAE Banano
Fecha de publicación :	2024
Editorial :	ESPOL.FIEC
Citación :	Calvache Silvestre, A. F. y Roldán Carranza, D. A. (2024). Estimación de la demanda de agua en cultivos de banano aplicando modelos de pronósticos para fincas de pequeños y medianos productores en la provincia de El Oro. [Proyecto de Titulación]. ESPOL.FIEC .
Descripción :	La gestión eficiente del agua es crucial para la producción agrícola, especialmente en cultivos como el banano de exportación. La agricultura de precisión busca optimizar el uso de recursos naturales y químicos, pero su costo limita su acceso a pequeños productores. En este contexto, el presente trabajo estimó la evapotranspiración (ETo) en cultivos de banano en la provincia de El Oro. Para ello, se analizó las tendencias climáticas y patrones relacionados con la ETo. Luego, se estimaron modelos de series de tiempo y redes neuronales LSTM para pronosticar la demanda hídrica. Una vez evaluado los criterios de ajustes, los resultados indican que las redes neuronales LSTM tienen un MAE inferior al 5%, por lo que se seleccionó este mecanismo para hacer el pronóstico de la demanda hídrica para los cultivos del cantón El Guabo en la provincia de El Oro. Finalmente, se presentan los resultados en un dashboard donde se muestra estadísticas climáticas y estimaciones de consumo de agua por hectárea. Palabras Clave: Evapotranspiración, redes neuronales, ARIMA, MAE, banano
metadata.dc.description.abstractenglish:	Efficient water management is critical for agricultural production, particularly in crops like export bananas. Precision agriculture aims to optimize the use of natural and chemical resources, but its cost remains a barrier for small-scale farmers. In this context, our study estimated evapotranspiration (ETo) in banana crops in El Oro province. We analyzed climatic trends and patterns related to ETo. Subsequently, we applied time series models and Long Short-Term Memory (LSTM) neural networks to forecast water demand. After evaluating model performance, LSTM neural networks demonstrated an MAE below 5%, leading us to select this approach for predicting water demand in El Guabo canton, El Oro province. Finally, we present the results through a dashboard displaying climatic statistics and water consumption estimates per hectare. Keywords: Evapotranspiration, neural networks, ARIMA, MAE, banana.
URI :	http://www.dspace.espol.edu.ec/handle/123456789/63220
metadata.dc.identifier.codigoproyectointegrador:	POSTG091
Aparece en las colecciones:	Tesis de Maestría en Ciencia de Datos

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.