Look-up in Google Scholar
Full metadata record
Rodriguez Grandez, Carlos (es_PE)
Velasquez Carranza, Fernando (es_PE)
2018-05-09T15:35:43Z
2018-05-09T15:35:43Z
2018
Velasquez-Carranza, F. (2018). Modelo predictivo automatizado para la planificación de la producción de arroz en la Región San Martín. Tesis para optar el grado de Ingeniero de Sistemas e Informática. Facultad de Ingeniería de Sistemas e Informática , Universidad Nacional de San Martín, Tarapoto, Perú. (es_PE)
http://hdl.handle.net/11458/2709
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. (es_PE)
This research work develops an automated predictive model for the planning of rice production in the San Martín region, for which the historical information on rice production in the San Martín region, from 1990 to the year has been analyzed. 2013. Linear and polynomial regression techniques have been analyzed, taking the latter as a model to predict rice production in a future scenario of 5 years. This is very efficient because it considers the fluctuations of rice production in long-term periods. The objective of this research was to develop an automated predictive model to better plan the production of rice in the San Martin region, since the margin of error in the prediction of rice production is considered too imprecise and inaccurate by the level collaborators. of decision making, of the institutions and organizations that use these indicators to plan and program actions related to agriculture. Finally, it has developed patterns of the automated predictive model from a pre-experiment, to demonstrate that a model based on statistical techniques is much better than empirical or recurrent procedures and background when it comes to obtaining indicators in a future scenario. In addition, the integration of this model in a web environment is presented in a simple scheme. (es_PE)
Tesis (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional de San Martín. Fondo Editorial (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/deed.es (*)
Repositorio - UNSM (es_PE)
Modelo predictivo automatizado (es_PE)
Predicción de producción de arroz (es_PE)
Modelo de regresión polinomial (es_PE)
Modelo predictivo automatizado para la planificación de la producción de arroz en la Región San Martín (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Nacional de San Martín. Facultad de Ingeniería de Sistema e Informática (es_PE)
Ingeniería de Sistemas e Informática (es_PE)
Ingeniero de Sistemas e Informática (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
10473351
https://orcid.org/0000-0001-5925-8506 (es_PE)
41353917
612437 (es_PE)
Garcia Castro, Juan Carlos (es_PE)
Lopez Rodriguez, Carlos Enrique (es_PE)
Cotrina Linares, Janina (es_PE)
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Pública
info:eu-repo/semantics/publishedVersion (es_PE)



This item is licensed under a Creative Commons License Creative Commons