Modelo predictivo automatizado para la planificación de la producción de arroz en la Región San Martín

• Autor: Velásquez Carranza, Fernando
• Formato: tesis de grado
• Fecha de Publicación: 2018
• Institución: Universidad Nacional de San Martin - Tarapoto
• Repositorio: UNSM-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsm.edu.pe:11458/2709
• Enlace del recurso: http://hdl.handle.net/11458/2709
• Nivel de acceso: acceso abierto
• Materia: modelo predictivo automatizado, predicción de producción de arroz, modelo de regresión polinomial.; automated predictive model, rice production prediction, polynomial regression model.

Este trabajo de investigación desarrolla un modelo predictivo automatizado para la planificación de la producción de arroz en la región San Martín, para ello, se ha analizado la información histórica de la producción de arroz en la región San Martín, desde el año 1990 hasta el año 2013. Se ha analizado técnicas de regresión lineal y polinomial, tomando este último como modelo para predecir la producción de arroz hasta en un escenario futuro de 5 años. Este resulta muy eficiente porque considera las fluctuaciones de la producción arrocera en periodos de largo plazo. El objetivo de esta investigación fue desarrollar un modelo predictivo automatizado para planificar mejor la producción de arroz en la región San Martín, ya que el margen de error en la predicción de la producción de arroz es considerado como demasiado impreciso e inexacto por los colaboradores de nivel de toma de decisiones, de las instituciones y organizaciones que usan estos indicadores para planificar y programar acciones relacionadas a la agricultura. Finalmente, se ha desarrollado pautas del modelo predictivo automatizado desde un pre-experimento, para demostrar que un modelo basado en técnicas estadísticas es mucho mejor que los procedimientos empíricos o recurrentes y los antecedentes cuando se trata de obtener indicadores en un escenario futuro. Además, se presenta en un esquema simple la integración de este modelo en un entorno web.