Comparación de métodos de predicción para el pronóstico de precios de venta de productos agrícolas en Santander

dc.contributor.authorMárquez González, Juan David
dc.contributor.authorMontaño Pérez, Laura Vanessa
dc.contributor.cvlacMárquez González, Juan David [0002029872]spa
dc.contributor.researchgroupSemilleros de Investigación UNABspa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporal2018spa
dc.date.accessioned2023-09-16T14:48:18Z
dc.date.available2023-09-16T14:48:18Z
dc.date.issued2018-11
dc.description.abstractEl análisis de los precios agrícolas constituye un campo de estudio importante en un país, el reconocer las características en el comportamiento de éstos nos permite intentar predecir su valor futuro y mejora el proceso de toma de decisiones por parte de los interesados. Sin embargo, el pronóstico de precios agrícolas es un tema de gran complejidad debido a diferentes factores que los afectan como la demanda, el clima y elementos inherentes a los datos, factores de los cuales no siempre se tiene información histórica. Teniendo en cuenta lo anterior, este trabajo se enfoca en el estudio de series de tiempo de los precios de venta de productos agrícolas registrados en la central de abastos de Bucaramanga: banano, mandarina, naranja, papa, plátano, piña, tomate y yuca, durante el periodo comprendido entre el 12 de junio del 2012 y el 30 de abril del 2018. Se elaboran modelos de pronóstico ARIMARNA, RNA backpropagation y ANFIS, y se realiza la comparación mediante los indicadores de desempeño de la Raíz del Error Cuadrático Medio (RMSE) y el Error Porcentual Absoluto Medio (MAPE), con el propósito de definir el mejor modelo.spa
dc.description.abstractenglishAgricultural price forecasting is an important study field in every country because recognizing the time series characteristics, allows to estimate its future values, and therefore, constitute a useful tool for the stakeholder's decision-making. However, agricultural price forecasting has difficulties due to different factors which affect the estimation such as demand, climate, and data characteristics, moreover, there are factors without completed information collected. Taking into account the above, this work focuses on the study of historical series of banana (fruit), tangerine, orange, potato, banana (tuber), pineapple, tomato and yucca, during the period between June 12, 2012 and April 30, 2018, in the Bucaramanga local food supply center, by proposing the forecast models ARIMA-RNA, RNA- backpropagation and ANFIS, those models are comparing, through the Root Mean Square Error (RMSE) and Mean Absolute Percentage Error (MAPE) performance, with the aim of select the best forecast model.spa
dc.description.learningmodalityModalidad Presencialspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.issnISSN 2344-7079spa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/21921
dc.language.isospaspa
dc.publisher.deparmentSistema de Investigación SIUNABspa
dc.publisher.facultyFacultad Ingeniería
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.relation.ispartofseriesGeneración Creativa : Encuentro de Semilleros de Investigación UNABspa
dc.relation.references[1] Cámara de Comercio de Bucaramanga. (2016). Producto Interno Bruto por departamentos. Recuperado el 5 de abril de 2018, a partir de https://www.camaradirecta.com/temas/documentos%20pd f/informes%20de%20actualidad/2017/pib%202016.pdfspa
dc.relation.references[2] DANE. (2017). Principales Indicadores Del Mercado Laboral, 1–34. Recuperado a partir de https://www.dane.gov.co/files/investigaciones/boletines/ec h/ech/bol_empleo_abr_17.pdfspa
dc.relation.references[3] MinAgricultura, A. (2016). El 83.5% de los alimentos que consumen los colombianos son producidos por nuestros campesinos - 28 de octubre de 2016. Recuperado el 5 de abril de 2018, a partir de http://www.agronet.gov.co/Noticias/Paginas/El-83-5-delos-alimentos-que-consumen-los-colombianos-sonproducidos-por-nuestros-campesinos-.aspxspa
dc.relation.references4] Pulido, A., Lopez, A. M., & Rodriguez Vález, J. (2004). Modelos ARIMA: Estacionariedad en media y varianza. Retrieved August 29, 2018, from http://www.uam.es/docencia/predysim/prediccion_unidad 3/3_3_ficha.htmspa
dc.relation.references[5] Damián, J. M. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones, 55. Retrieved from ftp://decsai.ugr.es/pub/usuarios/castro/Material-RedesNeuronales/Libros/matich-redesneuronales.pdfspa
dc.relation.references[6] Yasrebi, S. S., & Emami, M. (2008). Application of Artificial Neural Networks (ANNs) in prediction and Interpretation of Pressuremeter Test Results. Recuperado a partir de https://pdfs.semanticscholar.org/6365/182f2a94dcfd05f99 dd11a7740b50a2e852c.pdfÑñññspa
dc.relation.references[7] Martín del Brio, B., & Sanz Molina, A. (2007). Redes Neuronales y Sistemas Borrosos. (A. G. E. S. de CV, Ed.) (Tercera ed). Zaragoza.spa
dc.relation.references[8] Mitra, D., & Paul, R. K. (2017). Hybrid time-series models for forecasting agricultural commodity prices. Model Assisted Statistics and Applications, 12(3), 255–264. https://doi.org/10.3233/MAS-170400.spa
dc.relation.urihttp://hdl.handle.net/20.500.12749/14242
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.sourceMárquez, J. D. & Montaño, L. V. (2018). Comparación de métodos de predicción para el pronóstico de precios de venta de productos agrícolas en Santander. Recuperado de: http://hdl.handle.net/20.500.12749/21921spa
dc.subject.keywordsAnalysis of dataspa
dc.subject.keywordsAgricultural productsspa
dc.subject.keywordsSale pricesspa
dc.subject.keywordsInvestigationspa
dc.subject.keywordsRNAspa
dc.subject.keywordsARIMAspa
dc.subject.keywordsForecastspa
dc.subject.keywordsPrediction methodsspa
dc.subject.lembAnálisis de datosspa
dc.subject.lembProductos agrícolasspa
dc.subject.lembPrecios de ventaspa
dc.subject.lembInvestigaciónspa
dc.subject.proposalRNAspa
dc.subject.proposalARIMAspa
dc.subject.proposalPronosticospa
dc.subject.proposalMétodos de predicciónspa
dc.titleComparación de métodos de predicción para el pronóstico de precios de venta de productos agrícolas en Santanderspa
dc.title.translatedComparison of prediction methods for forecasting sales prices of agricultural products in Santanderspa
dc.typeConferenceeng
dc.type.coarhttp://purl.org/coar/resource_type/c_f744
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/conferenceProceedingsspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.type.localMemoria de eventosspa
dc.type.redcolhttp://purl.org/redcol/resource_type/EC_AC

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
2018_Articulo_Montaño_Perez_Laura_Vanessa.pdf
Tamaño:
371.43 KB
Formato:
Adobe Portable Document Format
Descripción:
Artículo

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción: