Modelo para predicción del rendimiento de cultivos de alto valor calórico aplicando técnicas de optimización
Fecha
Fecha
2020-11-27
Director
Colaboradores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Altmetric
Descripción
Este documento presenta un modelo para la predicción del rendimiento de los cultivos de trigo, arroz y maíz, que son los que proveen la mayor media de consumo proteínico en el mundo. El modelo es producto del análisis, aplicación y comparación de diferentes propuestas que combinan un sistema de inferencia difusa de tipo Mamdani y Sugeno, con una técnica de optimización determinística (algoritmo Quasi-Newton) y metaheurística (algoritmo genético). Esta combinación genera respectivamente cuatro variantes del modelo para cada cultivo, obteniendo un total de doce alternativas. La técnica metodológica aplicada para el establecimiento del modelo se basa en el análisis del conjunto de datos de entrada y salida, caracterizado por las variables lingüísticas de biomasa, radiación solar, lluvia, fracción de agua extraíble del suelo y rendimiento; en la construcción de las reglas de inferencia, la configuración de las funciones de pertenencia y la optimización de los conjuntos difusos. El modelo presentó un índice de eficiencia superior al 94% para cada cultivo; el coeficiente de determinación se encontró sobre la franja de 0.90 en cada caso. Estos resultados representan una alta fiabilidad del método de predicción propuesto, brindando mayor precisión en el cálculo sin perder interpretabilidad en la variable de rendimiento. Este enfoque se presenta como una alternativa de solución a la producción de alimentos, al proporcionar un mecanismo para la estimación del producto final de las siembras en el sector agrícola.
Resumen
This document presents a prediction model for the yield of wheat, rice, and corn crops, which are the ones that provide the most significant source of protein consumption in the world. This model is the result of the analysis, application, and computation of several different proposals that combine a fuzzy Mamdani and Sugeno inference system, along with a deterministic (Quasi-Newton algorithm) and meta-heuristic (genetic algorithm) optimization techniques. This combination generates, respectively, four different variants of each crop’s model, obtaining a total of twelve alternatives. The applied methodology for the establishment of the model is based upon the analysis of a set of inputs and outputs, characterized by biomass, solar radiation, rain, extractable water fractions, and yield linguistic variables; and is also based upon construction of inference rules, membership functions configuration, and fuzzy sets optimization. This model returned an efficacy index of over 94% for each crop; determination coefficient was found under a 0.90 threshold in each case. This results represent great reliability on the proposed method, offering greater precision in the calculation without compromising interpretability in the yield variable. This approach presents itself as an alternative for known food production solutions, all while it provides a mechanism so that an estimation of the final product of sowings in the agricultural field can be made.
Palabras clave
Predicción, Cultivos, Rendimiento, Sistemas de Inferencia Difusa, Técnicas de Optimización, Lógica Difusa