FRTL - Investigación - Grupo UTN Gestadis

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/7953

Browse

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Análisis predictivo de lotes agrícolas para la siembra de soja
    (2019) Mavolo, Luca; Xodo, Daniel; Mavolo, Pablo
    Problema y justificación, determinar el posible rendimiento de un lote agrícola en campos de gran extensión donde varia en gran medida la calidad de suelo y los escenarios climáticos año a año, dificultando una estrategia de siembra óptima. Objetivo, predecir 8 escenarios con el modelo de red neuronal a utilizar y estudiar la solidez del modelo. Luego predecir 7 escenarios viables para lograr una estrategia de siembra con asignación de lotes y tipos de semilla. Por ultimo realizar una predicción a modo de prueba usando el promedio histórico de lluvia en los meses estudiados y observar las variaciones en los rindes de acuerdo a las predicciones anteriores. Método utilizado, es un modelo de Red Neuronal, brindado por el soft RISK Industrial 7.6 (complemento Neural Tools). Resultado: se compara con los datos relevados de los lotes pertenecientes a la empresa “Nueva Castilla” de Trenque Lauquen, Buenos Aires, Argentina, donde se tiene información de mas de 17 años de datos climáticos, suelos y rendimientos cosecha de soja con distintos tipos de semilla, para determinar la viabilidad técnica y practica del modelo.
  • Thumbnail Image
    Item
    Predictive Analytics of Plots For Soybean Production
    (2020) Mavolo, Luca; Xodo, Daniel; Mavolo, Pablo
    This study is to determine the feasible productivity of a plot of land in large fields where the quality of the soil and the weather conditions fluctuate every year, hindering optimum soybean production practices. The aim is to predict 8 sceneries through the artificial neural network model and study its reliability. Then predict 7 feasible sceneries to achieve a good sowing strategy on certain plots of land and with certain types of seeds. Finally, to make a prediction using the average historical rainfall data collected during the studied months and to observe the fluctuations on the yield in accordance with previous predictions. The artificial neural network is the method used and it was provided by soft RISK Industrial 7.6 (Neural Tools). The result is going to be compared with the data collected from the company “Nueva Castilla” of Trenque Lauquen (Buenos Aires province, Argentina) to determine the practical and technical feasibility of the model. These data correspond to more than 17 years of climate and weather analysis, soil and soybean yield with different types of seeds.