Resumen

CASTILLO MENDEZ, ROBINSON  y  CAMACHO CASTRO, JULIÁN ANDRÉS. Predicción de heladas y variables meteorológicas relevantes en agricultura en la Sabana de Bogotá usando machine learning. Ing. Desarro. [online]. 2025, vol.43, n.1, pp.122-139.  Epub 03-Ene-2025. ISSN 0122-3461.  https://doi.org/10.14482/inde.43.01.155.454.

A partir de información histórica de variables climatológicas y de las heladas, es posible mejorar las decisiones tomadas en las actividades de la agricultura, buscando determinar patrones que garanticen mayor rendimiento y calidad de los cultivos e implementando modelos de predicción basados en machine learning (ML). Se propone desarrollar un modelo ML que permita determinar el comportamiento de las variables meteorológicas temperatura, pluviosidad y humedad relativa, asi como de las heladas en la Sabana de Bogotá. Se ha partido de la conformación de una base de datos históricos de estas variables desde 2010 hasta abril de 2023, considerando información de diez estaciones meteorológicas diferentes de la región. Ha sido necesario implementar técnicas de imputación de datos en los vacios de información. Para determinar el modelo con la respuesta más cercana a la realidad, se desarrolló un modelo basado en regresión lineal múltiple y otro en redes neuronales artificiales. De acuerdo con los resultados obtenidos y el nivel de error absoluto, el segundo modelo aproxima sus predicciones más cerca a los datos reales. El trabajo desarrollado puede ser una herramienta esencial para generar un sistema de alerta temprana que ayude a los agricultores de la Sabana de Bogotá.

Palabras clave : aprendizaje automático; predicción de heladas; regresión lineal múltiple; red neuronal de avance; variables meteorológicas.

        · resumen en Inglés     · texto en Español     · Español ( pdf )