Resumen de Pronósticos para el rendimiento del trigo usando redes neuronales artificiales

Adriana Saldaña Robles, S. Jöns, Noé Saldaña Robles, Damián Ascencio

• español

  En el presente trabajo se desarrolló un modelo de predicción de rendimiento, empleando datos de, temperatura del aire, humedad del aire desde 1980 hasta el 2007 para el estado de Guanajuato. Para la predicción de rendimiento se utilizó una red neuronal artificial con una estructura del tipo feed-forward back propagación.

  Se realizaron pruebas con diferentes arquitecturas en la estructura de la red neuronal, el método de entrenamiento utilizado fue el algoritmo de Levenberg-Marquardt y el error fue evaluado con el MSE. Adicionalmente se alimentó la red neuronal con arreglos diferentes como elementos de entrada. El modelo fue validado con los datos del 2007. Los resultados muestran que los mejores elementos para predecir el rendimiento fueron:

  los arreglos de temperatura y humedad del aire, los cuales mostraron un MSE de 0.0036.

• English

  In this paper we have built a yield prediction model, we took in consideration air temperature and air humidity from 1980 to 2007 in the state of Guanajuato, México.

  For the prediction of yield we used an artificial neural network with a structure named feed-forward back propagation. We tested with different architectures in the structure of the neural network, the training method used was the Levenberg-Marquardt algorithm and we evaluated the error through the MSE. Additionally, the neural network was fed with different arrangements as input. We validated the model, using data from last year. Results showed that the best elements to predict the yield were the arrays of temperature and humidity, which estimated a MSE on 0.003.