Predicción del rendimiento de un cultivo de naranja 'Valencia' mediante redes neuronales de regresión generalizada
El rendimiento de un cultivo es el resultado de una multiplicidad de variables, cuyas complejas interacciones hacen que sea difícil de predecir por medios convencionales. Las redes neuronales de regresión generalizada constituyen una alternativa prometedora para dicha tarea, gracias a su capacidad p...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad Centroccidental Lisandro Alvarado
2015-12-01
|
| Series: | Publicaciones en Ciencias y Tecnología |
| Subjects: | |
| Online Access: | https://revistas.ucla.edu.ve/index.php/pcyt/article/view/252 |
| _version_ | 1819123644091072512 |
|---|---|
| author | Edwin Hernández-Caraballo |
| author_facet | Edwin Hernández-Caraballo |
| author_sort | Edwin Hernández-Caraballo |
| collection | DOAJ |
| description | El rendimiento de un cultivo es el resultado de una multiplicidad de variables, cuyas complejas interacciones hacen que sea difícil de predecir por medios convencionales. Las redes neuronales de regresión generalizada constituyen una alternativa prometedora para dicha tarea, gracias a su capacidad para modelar relaciones no lineales, sin la necesidad de conocer la naturaleza explícita de las mismas. El presente trabajo tuvo como propósito evaluar dicha aproximación, en la predicción del rendimiento de un cultivo de naranja ‘Valencia’ (Citrus sinensis L. Osbeck), a partir de las concentraciones en el tejido foliar de nitrógeno, fósforo, potasio, calcio, y magnesio. Especial énfasis se hizo en el tratamiento de los datos de entrada/salida, utilizando técnicas convencionales (normalización, estandarización, y componentes principales), y otras no convencionales (cálculos de los log-cociente centrado, e índices nutricionales individuales nutricionales individuales y globales, a partir del Sistema de Diagnóstico de la Composición Nutricional). Los resultados mostraron que, entre las estudiadas, la combinación índices nutricionales individuales/rendimiento normalizado (Error de predicción= 0,98 kg·árbol-1), y componentes principales no rotados/rendimiento normalizado (Error de predicción= 0,51 kg·árbol-1) condujeron al desarrollo de las redes neuronales con las mejores capacidades de predicción del rendimiento, evidenciadas por los menores errores de predicción anteriormente indicados. |
| first_indexed | 2024-12-22T07:11:37Z |
| format | Article |
| id | doaj.art-275dc2dd4a7647538f5f40339e05a3f1 |
| institution | Directory Open Access Journal |
| issn | 2477-9660 1856-8890 |
| language | English |
| last_indexed | 2024-12-22T07:11:37Z |
| publishDate | 2015-12-01 |
| publisher | Universidad Centroccidental Lisandro Alvarado |
| record_format | Article |
| series | Publicaciones en Ciencias y Tecnología |
| spelling | doaj.art-275dc2dd4a7647538f5f40339e05a3f12022-12-21T18:34:31ZengUniversidad Centroccidental Lisandro AlvaradoPublicaciones en Ciencias y Tecnología2477-96601856-88902015-12-0192139158252Predicción del rendimiento de un cultivo de naranja 'Valencia' mediante redes neuronales de regresión generalizadaEdwin Hernández-Caraballo0Universidad Centroccidental Lisandro Alvarado, VenezuelaEl rendimiento de un cultivo es el resultado de una multiplicidad de variables, cuyas complejas interacciones hacen que sea difícil de predecir por medios convencionales. Las redes neuronales de regresión generalizada constituyen una alternativa prometedora para dicha tarea, gracias a su capacidad para modelar relaciones no lineales, sin la necesidad de conocer la naturaleza explícita de las mismas. El presente trabajo tuvo como propósito evaluar dicha aproximación, en la predicción del rendimiento de un cultivo de naranja ‘Valencia’ (Citrus sinensis L. Osbeck), a partir de las concentraciones en el tejido foliar de nitrógeno, fósforo, potasio, calcio, y magnesio. Especial énfasis se hizo en el tratamiento de los datos de entrada/salida, utilizando técnicas convencionales (normalización, estandarización, y componentes principales), y otras no convencionales (cálculos de los log-cociente centrado, e índices nutricionales individuales nutricionales individuales y globales, a partir del Sistema de Diagnóstico de la Composición Nutricional). Los resultados mostraron que, entre las estudiadas, la combinación índices nutricionales individuales/rendimiento normalizado (Error de predicción= 0,98 kg·árbol-1), y componentes principales no rotados/rendimiento normalizado (Error de predicción= 0,51 kg·árbol-1) condujeron al desarrollo de las redes neuronales con las mejores capacidades de predicción del rendimiento, evidenciadas por los menores errores de predicción anteriormente indicados.https://revistas.ucla.edu.ve/index.php/pcyt/article/view/252Citrus sinensisrendimientocomposición foliarsistema de diagnóstico de la composición nutricional |
| spellingShingle | Edwin Hernández-Caraballo Predicción del rendimiento de un cultivo de naranja 'Valencia' mediante redes neuronales de regresión generalizada Publicaciones en Ciencias y Tecnología Citrus sinensis rendimiento composición foliar sistema de diagnóstico de la composición nutricional |
| title | Predicción del rendimiento de un cultivo de naranja 'Valencia' mediante redes neuronales de regresión generalizada |
| title_full | Predicción del rendimiento de un cultivo de naranja 'Valencia' mediante redes neuronales de regresión generalizada |
| title_fullStr | Predicción del rendimiento de un cultivo de naranja 'Valencia' mediante redes neuronales de regresión generalizada |
| title_full_unstemmed | Predicción del rendimiento de un cultivo de naranja 'Valencia' mediante redes neuronales de regresión generalizada |
| title_short | Predicción del rendimiento de un cultivo de naranja 'Valencia' mediante redes neuronales de regresión generalizada |
| title_sort | prediccion del rendimiento de un cultivo de naranja valencia mediante redes neuronales de regresion generalizada |
| topic | Citrus sinensis rendimiento composición foliar sistema de diagnóstico de la composición nutricional |
| url | https://revistas.ucla.edu.ve/index.php/pcyt/article/view/252 |
| work_keys_str_mv | AT edwinhernandezcaraballo predicciondelrendimientodeuncultivodenaranjavalenciamedianteredesneuronalesderegresiongeneralizada |