Diseño de un modelo predictivo de aprendizaje automático supervisado para determinar precios dinámicos de insumos Agrícolas de la región costa del Ecuador

Abstract

Los agricultores de la costa ecuatoriana hacen uso de fertilizantes y agroquímicos durante los cultivos de corto y largo plazo, teniendo la necesidad de incluir estos costos en la planificación de su producción agrícola. Para contribuir a su economía sin tener que afectar la calidad de las cosechas se consideró desarrollar un prototipo de algoritmos de aprendizaje automático supervisado para predecir los precios de los insumos agrícolas de mayor uso. En este trabajo de investigación se aplicó series de tiempo con redes neuronales artificiales MLP (Multi-Layered Perceptron) y redes neuronales artificiales LSMT (Long Short-Term Memory) para pronosticar el comportamiento de los precios de fertilizantes y agroquímicos; para este fin se empleará un dataset formado por precios desde enero de 2013 hasta abril de 2022 proporcionadas por el SIPA. Para medir el rendimiento de los modelos, se utilizaron las métricas de evaluación para tareas de regresión que ayudaron a determinar el modelo óptimo