Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/20483
Title: Estimación del rendimiento por hectárea de maíz duro seco en el Ecuador mediante redes neuronales artificiales
Authors: Toapanta Guamán, Jendry Paúl
Keywords: REDES NEURONALES ARTIFICIALES
MAÍZ-ECUADOR
RENDIMIENTO
Issue Date: 19-Sep-2019
Publisher: Quito, 2019.
Citation: Toapanta Guamán, J. P. (2019). Estimación del rendimiento por hectárea de maíz duro seco en el Ecuador mediante redes neuronales artificiales. 105 hojas. Quito : EPN.
Abstract: Maize is an important grass in the economy and food security due to its use in human food and as a feed in the livestock industry in Ecuador, which motivates the study of the factors that influence the yield of this crop. The objective of this work is to determine a model of artificial neural networks to estimate the yield of maize per hectare for each production cycle, winter and summer, through the use of climatic variables, fertilization, geographic location of the crop and variety of the seed. For this, the influential factors in crop yield are determined for each cycle and a multiple linear regression model and a neural network model are proposed. Finally, the results obtained in both models are compared using goodness-of-fit statistics.
Description: El maíz es una gramínea considerada de alto poder económico y de seguridad alimenticia debido a su uso en la alimentación humana y en la elaboración de balanceados en la industria pecuaria en el Ecuador, lo cual motiva el estudio de los factores que influyen en el rendimiento de este cultivo. El presente trabajo tiene como objetivo determinar un modelo de redes neuronales artificiales para estimar el rendimiento de maíz duro seco por hectárea para cada ciclo de producción, invierno y verano, mediante el uso de variables climáticas, de fertilización, de ubicación geográfica del cultivo y variedad de la semilla. Para esto, se determinan los factores influyentes en el rendimiento del cultivo para cada ciclo y se plantea un modelo de regresión lineal múltiple y un modelo de redes neuronales. Finalmente, se compara los resultados obtenidos en ambos modelos mediante estadísticos de bondad de ajuste.
URI: http://bibdigital.epn.edu.ec/handle/15000/20483
Appears in Collections:Tesis Matemáticas (MAT)

Files in This Item:
File Description SizeFormat 
CD 9973.pdf14,8 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.