Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.yachaytech.edu.ec/handle/123456789/456
Título : Deep learning for agricultural products price forecasting: the case of Ecuador
Autor : Cuenca Pauta, Erick Eduardo
Noboa Chávez, Sherald Damián
Palabras clave : Predicción productos agrícolas
Aprendizaje profundo
Ajuste de hiperparámetros
Ecuador
Commodity forecasting
Deep learning
Hyper-parameter tuning
Fecha de publicación : dic-2021
Editorial : Universidad de Investigación de Tecnología Experimental Yachay
Resumen : La aplicación de técnicas de pronóstico en la industria agrícola comenzó con una predicción de productos agrícolas hace casi un siglo. Sin embargo, actualmente, la misma aplicación no se explora en absoluto en el mismo campo. Por ejemplo, en el contexto ecuatoriano, los agricultores tienen que sufrir la volatilidad de los precios de los productos agrícolas durante todas las etapas de crecimiento ya que no cuentan con ningún método de pronóstico para prevenir eventos futuros. En este contexto, hasta donde sabemos, no existe ningún estudio que se centre en la predicción de precios agrícolas a pesar de que el Ministerio de Agricultura y Ganadería (MAG) ha registrado los precios de los productos agrícolas desde 2010. Por lo tanto, este trabajo tiene como objetivo Reducir la brecha de conocimiento al presentar una implementación pionera de cinco algoritmos de aprendizaje profundo que pronostican precios semanales y mensuales de aguacate y cebolla roja del mercado mayorista de la ciudad de Ibarra en Ecuador. Los resultados han demostrado que los modelos individuales siguen siendo adecuados para la predicción, aunque el mejor rendimiento proviene de modelos compuestos como Conv-LSTM-MLP. Asimismo, con el ajuste adecuado de hiperparámetros, el último modelo mostró una reducción de error (MAE) del 23% para los precios semanales del aguacate.
Descripción : The application of forecasting techniques in the agriculture industry started with an agricultural commodity prediction almost a century ago. However, currently, the same application is not at all explored in the same field. For instance, in the Ecuadorian context, farmers have to suffer the volatility of prices of agriculture products during all the growing stages since they do not count on any forecasting method for preventing future events. Under this context, to the best of our knowledge, there is no study that focuses on forecasting agricultural prices despite the fact that the ministry of agriculture and livestock (MAG) has recorded the prices of agricultural products since 2010. Therefore, this work aims to reduce the gap of knowledge by presenting a pioneer implementation of five deep learning algorithms which forecast weekly and monthly prices of avocado and red onion from the wholesale market of Ibarra city in Ecuador. Results have shown that single models are still suitable for forecasting, although, the best performance comes from compound models as Conv-LSTM MLPs. Likewise, with proper hyper-parameter tuning, the last model showed an error reduction (MAE) of 23% for weekly avocado prices.
URI : http://repositorio.yachaytech.edu.ec/handle/123456789/456
Aparece en las colecciones: Tecnologías de la Información

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
ECMC0088.pdf4.07 MBAdobe PDFVisualizar/Abrir


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