Pirhua

Pronóstico de la demanda internacional del banano orgánico de Perú usando algoritmos de Machine Learning

Pirhua Repository

 

Show simple item record

dc.contributor.advisor Ipanaqué Alama, William es
dc.contributor.author
dc.coverage.spatial Perú es
dc.date.accessioned 2022-11-16T17:07:50Z
dc.date.available 2022-11-16T17:07:50Z
dc.date.issued 2022-11-16
dc.date.submitted 2022-07
dc.identifier.citation Almeyda, E. (2022). Pronóstico de la demanda internacional del banano orgánico de Perú usando algoritmos de Machine Learning (Tesis doctoral en Ingeniería con mención en: Automatización, Control y Optimización de Procesos). Universidad de Piura. Facultad de Ingeniería. Piura, Perú. es
dc.identifier.uri
dc.description.abstract La tesis tiene como objetivo el diseño, entrenamiento, validación y evaluación de diversos modelos predictivos, usando algoritmos de Machine Learning para pronosticar la demanda del banano orgánico de Perú. Para el desarrollo de la investigación, se utiliza los registros oficiales del volumen de exportación (Kg.) de banano orgánico del Perú (Aduanet-Sunat). La investigación cuenta con datos recolectados del total de exportación de banano orgánico peruano recolectadas desde el 2001 al 2020, disponibles en el portal online de Aduanet-Sunat y abarca el diseño, entrenamiento, validación y evaluación de cuatro modelos predictivos, usando algoritmos de redes neuronales recurrentes, tales como: MLP1, RNN2, LSTM3 y GRU4. Se realizaron varios experimentos testeando diferentes arquitecturas de la red neuronal y optimizando sus hiper-parámetros. Posteriormente, se seleccionó el modelo con mejor performance, evaluando la precisión de los valores pronosticados y los valores de la serie temporal original. Como resultado, el modelo entrenado con el algoritmo RNN obtuvo los menores valores de error de predicción (MSE: 0.00147, RMSE: 0.03838, MAE: 0.02885, y MAPE: 2.88516), lo cual demostró ser el modelo predictivo más preciso para realizar el pronóstico de la demanda de banano orgánico de Perú. Se concluye que un total de 60 modelos predictivos, diferentes entre sí, fueron entrenados para pronosticar la exportación de banano orgánico de Perú. El modelado usando Redes Neuronales Recurrentes demostró un mejor proceso de entrenamiento, referente al aprendizaje de la dependencia temporal, la no-linealidad y la estacionalidad de la serie de tiempo, debido a los atributos de las celdas de memoria, las cuales retienen y actualizan información de datos secuenciales. Asimismo, los cuatro modelos entrenados (MLP, RNN, LSTM, y GRU) realizaron el pronóstico de la serie de tiempo con un ligero underfitting (hig bias). Sin embargo, las redes neuronales recurrentes (RNN, LSTM, y GRU) consiguieron mayor precisión en la estimación de la estacionalidad de la serie temporal. Asimismo, la elección del número de neuronas o unidades recurrentes por capa oculta de la red neuronal influyó en el aprendizaje y en la función de perdida (loss). Considerando todos los modelos entrenados, la mejor performance del modelado y el pronóstico de la serie de tiempo fue registrado usando una arquitectura estándar de red neuronal recurrente, con una capa oculta y con sesenta y cuatro unidades recurrentes en la capa oculta. es
dc.description.sponsorship Este trabajo fue financiado por el Consejo Nacional de Ciencia, Tecnología e Innovación – CONCYTEC y el Banco Mundial, a través de su unidad ejecutora, Prociencia en el marco del “Proyecto de Mejoramiento y Ampliación de los Servicios del Sistema Nacional de Ciencia, Tecnología e Innovación Tecnológica” [número de contrato 06-2018- FONDECYT / BM]. es
dc.language.iso spa es
dc.publisher Universidad de Piura es
dc.rights info:eu-repo/semantics/openAccess es
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0/ *
dc.source Universidad de Piura es
dc.source Repositorio Institucional Pirhua - UDEP es
dc.subject Aprendizaje automático (Inteligencia artificial) -- Aplicación es
dc.subject Banano orgánico -- Exportación -- Investigaciones es
dc.subject Redes neuronales (Computadores) -- Aplicación es
dc.title Pronóstico de la demanda internacional del banano orgánico de Perú usando algoritmos de Machine Learning es
dc.type info:eu-repo/semantics/doctoralThesis es
dc.rights.license Attribution-NonCommercial-NoDerivatives 4.0 Internacional *
thesis.degree.name Doctor en Ingeniería con mención en: Automatización, Control y Optimización de Procesos es
thesis.degree.grantor Universidad de Piura. Facultad de Ingeniería es
thesis.degree.discipline Doctorado en Ingeniería, mención Automatización, Control y Optimización de Procesos es
rim.college Facultad de Ingeniería es
rim.department Posgrado de Doctorado en Ingeniería es
rim.academicdepartment Doctorado en Ingeniería con Mención en Automatización, Control y Optimización de Procesos es
dc.publisher.country PE es
dc.subject.ocde https://purl.org/pe-repo/ocde/ford#2.02.03 es
renati.author.dni 70466045
renati.advisor.orcid https://orcid.org/0000-0003-4039-4422 es
renati.advisor.dni 06422494
renati.type https://purl.org/pe-repo/renati/type#tesis es
renati.level https://purl.org/pe-repo/renati/level#doctor es
renati.discipline 722018 es
renati.juror Vásquez Díaz, Edilberto es
renati.juror Chinguel Arrese, César Alberto es
renati.juror Oquelis Cabredo, Justo es


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Internacional Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internacional

Search Pirhua

Guides and tutorials

Check the manuals to quote, publish or find content in our institutional repository.

Main catalog

Browse more collections in Biblioteca Central.

My Account