Análisis predictivo de lotes agrícolas para la siembra de soja

Autores
Mavolo, Luca; Xodo, Daniel; Mavolo, Pablo
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión borrador
Descripción
Problema y justificación, determinar el posible rendimiento de un lote agrícola en campos de gran extensión donde varia en gran medida la calidad de suelo y los escenarios climáticos año a año, dificultando una estrategia de siembra óptima. Objetivo, predecir 8 escenarios con el modelo de red neuronal a utilizar y estudiar la solidez del modelo. Luego predecir 7 escenarios viables para lograr una estrategia de siembra con asignación de lotes y tipos de semilla. Por ultimo realizar una predicción a modo de prueba usando el promedio histórico de lluvia en los meses estudiados y observar las variaciones en los rindes de acuerdo a las predicciones anteriores. Método utilizado, es un modelo de Red Neuronal, brindado por el soft RISK Industrial 7.6 (complemento Neural Tools). Resultado: se compara con los datos relevados de los lotes pertenecientes a la empresa “Nueva Castilla” de Trenque Lauquen, Buenos Aires, Argentina, donde se tiene información de mas de 17 años de datos climáticos, suelos y rendimientos cosecha de soja con distintos tipos de semilla, para determinar la viabilidad técnica y practica del modelo.
Fil: Mavolo, Pablo. Universidad Tecnológica Nacional. Facultad Regional Trenque Lauquen; Argentina
Fil: Xodo, Daniel. Universidad Tecnológica Nacional. Facultad Regional Trenque Lauquen; Argentina
Fil: Mavolo Pablo. Universidad Tecnológica Nacional. Facultad Regional Trenque Lauquen; Argentina
Peer Reviewed
Materia
Red Neuronal
Soja (glycine max)
Precipitaciones
Pronostico rindes
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-12-04T18:06:18Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/9021
Acceder
id RIAUTN_29db1daa4847ab3b31c5f6f04c6f705d
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/9021
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Análisis predictivo de lotes agrícolas para la siembra de sojaMavolo, LucaXodo, DanielMavolo, PabloRed NeuronalSoja (glycine max)PrecipitacionesPronostico rindesProblema y justificación, determinar el posible rendimiento de un lote agrícola en campos de gran extensión donde varia en gran medida la calidad de suelo y los escenarios climáticos año a año, dificultando una estrategia de siembra óptima. Objetivo, predecir 8 escenarios con el modelo de red neuronal a utilizar y estudiar la solidez del modelo. Luego predecir 7 escenarios viables para lograr una estrategia de siembra con asignación de lotes y tipos de semilla. Por ultimo realizar una predicción a modo de prueba usando el promedio histórico de lluvia en los meses estudiados y observar las variaciones en los rindes de acuerdo a las predicciones anteriores. Método utilizado, es un modelo de Red Neuronal, brindado por el soft RISK Industrial 7.6 (complemento Neural Tools). Resultado: se compara con los datos relevados de los lotes pertenecientes a la empresa “Nueva Castilla” de Trenque Lauquen, Buenos Aires, Argentina, donde se tiene información de mas de 17 años de datos climáticos, suelos y rendimientos cosecha de soja con distintos tipos de semilla, para determinar la viabilidad técnica y practica del modelo.Fil: Mavolo, Pablo. Universidad Tecnológica Nacional. Facultad Regional Trenque Lauquen; ArgentinaFil: Xodo, Daniel. Universidad Tecnológica Nacional. Facultad Regional Trenque Lauquen; ArgentinaFil: Mavolo Pablo. Universidad Tecnológica Nacional. Facultad Regional Trenque Lauquen; ArgentinaPeer Reviewed2023-12-04T18:06:18Z2023-12-04T18:06:18Z2019info:eu-repo/semantics/articleinfo:eu-repo/semantics/drafthttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdf978-987-4998-43-9http://hdl.handle.net/20.500.12272/9021spainfo:eu-repo/semantics/openAccess2023-12-04T18:06:18ZNo permitir el uso comercial de la obra No permitir modificaciones de la obrareponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:46:08Zoai:ria.utn.edu.ar:20.500.12272/9021instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:46:09.383Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Análisis predictivo de lotes agrícolas para la siembra de soja
title Análisis predictivo de lotes agrícolas para la siembra de soja
spellingShingle Análisis predictivo de lotes agrícolas para la siembra de soja
Mavolo, Luca
Red Neuronal
Soja (glycine max)
Precipitaciones
Pronostico rindes
title_short Análisis predictivo de lotes agrícolas para la siembra de soja
title_full Análisis predictivo de lotes agrícolas para la siembra de soja
title_fullStr Análisis predictivo de lotes agrícolas para la siembra de soja
title_full_unstemmed Análisis predictivo de lotes agrícolas para la siembra de soja
title_sort Análisis predictivo de lotes agrícolas para la siembra de soja
dc.creator.none.fl_str_mv Mavolo, Luca
Xodo, Daniel
Mavolo, Pablo
author Mavolo, Luca
author_facet Mavolo, Luca
Xodo, Daniel
Mavolo, Pablo
author_role author
author2 Xodo, Daniel
Mavolo, Pablo
author2_role author
author
dc.subject.none.fl_str_mv Red Neuronal
Soja (glycine max)
Precipitaciones
Pronostico rindes
topic Red Neuronal
Soja (glycine max)
Precipitaciones
Pronostico rindes
dc.description.none.fl_txt_mv Problema y justificación, determinar el posible rendimiento de un lote agrícola en campos de gran extensión donde varia en gran medida la calidad de suelo y los escenarios climáticos año a año, dificultando una estrategia de siembra óptima. Objetivo, predecir 8 escenarios con el modelo de red neuronal a utilizar y estudiar la solidez del modelo. Luego predecir 7 escenarios viables para lograr una estrategia de siembra con asignación de lotes y tipos de semilla. Por ultimo realizar una predicción a modo de prueba usando el promedio histórico de lluvia en los meses estudiados y observar las variaciones en los rindes de acuerdo a las predicciones anteriores. Método utilizado, es un modelo de Red Neuronal, brindado por el soft RISK Industrial 7.6 (complemento Neural Tools). Resultado: se compara con los datos relevados de los lotes pertenecientes a la empresa “Nueva Castilla” de Trenque Lauquen, Buenos Aires, Argentina, donde se tiene información de mas de 17 años de datos climáticos, suelos y rendimientos cosecha de soja con distintos tipos de semilla, para determinar la viabilidad técnica y practica del modelo.
Fil: Mavolo, Pablo. Universidad Tecnológica Nacional. Facultad Regional Trenque Lauquen; Argentina
Fil: Xodo, Daniel. Universidad Tecnológica Nacional. Facultad Regional Trenque Lauquen; Argentina
Fil: Mavolo Pablo. Universidad Tecnológica Nacional. Facultad Regional Trenque Lauquen; Argentina
Peer Reviewed
description Problema y justificación, determinar el posible rendimiento de un lote agrícola en campos de gran extensión donde varia en gran medida la calidad de suelo y los escenarios climáticos año a año, dificultando una estrategia de siembra óptima. Objetivo, predecir 8 escenarios con el modelo de red neuronal a utilizar y estudiar la solidez del modelo. Luego predecir 7 escenarios viables para lograr una estrategia de siembra con asignación de lotes y tipos de semilla. Por ultimo realizar una predicción a modo de prueba usando el promedio histórico de lluvia en los meses estudiados y observar las variaciones en los rindes de acuerdo a las predicciones anteriores. Método utilizado, es un modelo de Red Neuronal, brindado por el soft RISK Industrial 7.6 (complemento Neural Tools). Resultado: se compara con los datos relevados de los lotes pertenecientes a la empresa “Nueva Castilla” de Trenque Lauquen, Buenos Aires, Argentina, donde se tiene información de mas de 17 años de datos climáticos, suelos y rendimientos cosecha de soja con distintos tipos de semilla, para determinar la viabilidad técnica y practica del modelo.
publishDate 2019
dc.date.none.fl_str_mv 2019
2023-12-04T18:06:18Z
2023-12-04T18:06:18Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/draft
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str draft
dc.identifier.none.fl_str_mv 978-987-4998-43-9
http://hdl.handle.net/20.500.12272/9021
identifier_str_mv 978-987-4998-43-9
url http://hdl.handle.net/20.500.12272/9021
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-12-04T18:06:18Z
No permitir el uso comercial de la obra No permitir modificaciones de la obra
eu_rights_str_mv openAccess
rights_invalid_str_mv 2023-12-04T18:06:18Z
No permitir el uso comercial de la obra No permitir modificaciones de la obra
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230916279992320
score 13.24418

Publicaciones similares