Mostrar el registro sencillo del ítem
| dc.contributor.advisor | Peláez, Enrique, , Director | |
| dc.contributor.author | Montalvo Velásquez, Rafael Alfonso | |
| dc.contributor.author | Murillo Escudero, Jose Alberto | |
| dc.creator | ESPOL | |
| dc.date.accessioned | 2023-09-27T17:39:35Z | |
| dc.date.available | 2023-09-27T17:39:35Z | |
| dc.date.issued | 2023 | |
| dc.identifier.citation | Montalvo Velásquez, R. A. y Murillo Escudero, J. A. (2023). Predicción de la producción agrícola familiar en el sector de Vinces a través del uso de técnicas de aprendizaje autónomo. [Proyecto integrador]. ESPOL. FIEC. . | |
| dc.identifier.uri | http://www.dspace.espol.edu.ec/handle/123456789/58184 | |
| dc.description | La agricultura juega un rol fundamental en la economía del Ecuador, los agricultores familiaresrepresentanel36% delapoblaciónecuatoriana,dichosgruposse basanenunproceso de producción proveniente en su mayoría de un núcleo familiar. Sin embargo, en ocasiones esto produce una mala gestión de suministros ya que, al mantener técnicas tradicionales, muchos de los cultivos se ven afectados por una toma de decisiones ineficiente, provocando pérdidas significativas, y un déficit económico dentro de las fincas. El presente proyecto tiene como finalidad desarrollar e implementar un modelo basado en aprendizaje autónomo que permita a los agricultores familiares predecir su nivel de producción de arroz en el cantón de Vinces, para así elevar su productividad y fortalecer su economía. La obtención de los datos se realizó mediantepreformas gubernamentales comoelINEC, parala obtención delos datosrelacionados a las fincas, y Giovanni una plataforma web de la NASA, que contiene todo tipo de datos climáticos. De esta manera, se realizó el entrenamiento de 5 modelos de aprendizaje autónomo con las características más relevantes de las fincas para así obtener una predicción exacta de su producción, siendo el modelo de Bosque Aleatorio el modelo seleccionado, con una precisión del 95%. Por último, dicho modelo fue implementado en un aplicativo web donde los agricultores pueden ingresar los datos relacionados a sus fincas, para así obtener una predicción de la producción anual de arroz. | |
| dc.format | application/pdf | |
| dc.format.extent | 95 páginas | |
| dc.language.iso | spa | |
| dc.publisher | ESPOL | |
| dc.rights | openAccess | |
| dc.subject | Inteligencia Artificial | |
| dc.subject | Diseño | |
| dc.subject | Agricultura | |
| dc.subject | Aprendizaje de Maquina | |
| dc.title | Predicción de la producción agrícola familiar en el sector de Vinces a través del uso de técnicas de aprendizaje autónomo | |
| dc.type | Ingeniero en Ciencias de la Computación | |
| dc.identifier.codigoespol | T-113551 | |
| dc.description.city | Guayaquil | |
| dc.description.degree | Escuela Superior Politécnica del Litoral | |
| dc.identifier.codigoproyectointegrador | TECH-300 | |
| dc.description.abstractenglish | Agriculture plays a fundamental role in the economy of Ecuador, family farmers represent 36% of the Ecuadorian population, these groups are based on a production process that comes mostly from a family nucleus. However, sometimes this produces poor supply management since, by maintaining traditional techniques, many of the crops are affected by inefficient decision-making, causing significant losses, and an economic deficit within the farms. The purpose of this project is to develop and implement a model based on autonomous learning that allows family farmers to predict their level of rice production in the canton of Vinces, to increase their productivity and strengthen their economy. The data was obtained through government preforms such as the INEC, to obtain the data related tothe farms, and Giovanni, a NASA web platform, which contains all kinds of climatic data. In this way, the training of 5 autonomous learning models with the most relevant characteristics of the farms was carried out to obtain an exact prediction of their production, with the Random Forest model being the selected model, with an accuracy of 95%. Finally, the model was implemented in a web application where farmers can enter data related to their farms, to obtain a prediction of annual rice production. |
| Ficheros | Tamaño | Formato | Ver |
|---|---|---|---|
|
No hay ficheros asociados a este ítem. |
|||