Deep learning for agricultural products price forecasting: the case of Ecuador

Abstract

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.