Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/8369
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorWilfrido Jacobo Paredes Garcíaes_ES
dc.creatorPedro Huitrón Tierrablancaes_ES
dc.date2022-11-30-
dc.date.accessioned2023-05-30T16:53:57Z-
dc.date.available2023-05-30T16:53:57Z-
dc.date.issued2022-11-30-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/8369-
dc.descriptionObjetivo: Construir una Red Neuronal Recurrente Elman que pueda superar en resultados al modelo predictivo SARIMA usando la información disponible en el Sistema de Información e Integración de Mercados (SNIIM). Métodos: Se programó un modelo desde cero con el lenguaje de programación Python y las bibliotecas TensorFlow y Keras, usando la plataforma Google Colab para modelar Series de Tiempo a Ventanas de Comercialización y obteniendo como resultado una predicción con cierto porcentaje de error junto con algunas gráficas asociadas a dichas ventanas, al final se elaboró una prueba de proporciones para decidir si dicho modelo de Redes Neuronales Recurrentes (RNN) tipo Elman pudo superar al método SARIMA. Resultados: A través de la prueba de proporciones, que tomó en cuenta los resultados de 23 productos, se puede sugerir que el método de RNN superó al Modelo autorregresivo integrado de media móvil (SARIMA) e incluso pudo modelar productos que SARIMA no de acuerdo a los datos proporcionados. Conclusiones: La capacidad de predicción es muy significativa y, debido a la robustez del código para cambiar parámetros de manera relativamente sencilla, es posible encontrar la variante que pueda predecir mejor cierto producto en específico y, aunque se cumplió exitosamente el objetivo de la presente investigación, todavía es posible hacer mejoras al proceso actual para trabajos posteriores.es_ES
dc.formatAdobe PDFes_ES
dc.language.isospaes_ES
dc.publisherIngenieríaes_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectIngeniería y Tecnologíaes_ES
dc.subjectCiencias Económicases_ES
dc.subjectEstadísticaes_ES
dc.titlePredicción de precios de productos agrícolas mediante redes neuronales recurrenteses_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorHUTP910213HGTTRD00es_ES
dc.contributor.identificadorPAGW890917HGTRRL07es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias (Ingeniería Matemática)es_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en las colecciones: Maestría en Ciencias (Ingeniería Matemática)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI007477.pdf2.8 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.