Predicción nutricional de tres asociaciones de Lolium multiflorum L. y Trifolium repens utilizando espectroscopía de infrarrojo cercano y quimiometría

• Autor: Reyna Reynaga, Manuel
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas
• Repositorio: UNTRM-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.untrm.edu.pe:20.500.14077/4270
• Enlace del recurso: https://hdl.handle.net/20.500.14077/4270
• Nivel de acceso: acceso abierto
• Materia: Agrostología; Redes neuronales artificiales; Pastos cultivados; Minería de datos; Algoritmos; Clasificador de modelamientos; https://purl.org/pe-repo/ocde/ford#4.02.01

El objetivo de este estudio fue predecir la composición nutricional de la asociación de pasturas Lolium multiflorum L. y Trifolium repens utilizando espectroscopia NIR y modelos quimiométricos para predecir Proteína Cruda (PC), Fibra Detergente Neutra (FDN), Fibra Detergente Ácida (FDA), Energía Bruta (EB) y Digestibilidad In Vitro (DIV). Para maximizar y tener variabilidad de datos se instaló 81 parcela en la Estación Experimental Agraria – Amazonas del INIA “Fundo San Juan”, cortados a 30, 45 y 60 dias de diferentes niveles de asociación de semillas. Las muestras fueron secadas en una estufa a 60° por 48 horas, después molidas y envasadas en bolsa Ziploc. Se determinó la composición química nutricional y perfiles espectrales usando un NIR de sobremesa modelo SpectraStar 2500 XL con rango de 1100 – 2500 nm. A la firma espectral inicial se realizó un pretratamiento con el método Standard Normal Variate (SNV). Una vez obtenida la minería de datos se determinó la correlación y la regresión lineal de las variables. Se utilizó la metodología del proceso estándar intersectorial (CRISP-DM). Con los algoritmos supervisados de regresión (clasificadores IBk, Random Forest, M5Rules, Bagging y M5P) algoritmos disponibles en Wakaito Environment for Knowledge Analysis (WEKA) se obtuvieron la validación determinando el R², MAE y RMSE y generar ecuaciones de la recta de regresión con IBK y reglas de predicción mediante M5P.