Predicción de precios de productos agrícolas mediante redes neuronales recurrentes

Pedro Huitrón Tierrablanca

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Wilfrido Jacobo Paredes García	es_ES
dc.creator	Pedro Huitrón Tierrablanca	es_ES
dc.date	2022-11-30
dc.date.accessioned	2023-05-30T16:53:57Z
dc.date.available	2023-05-30T16:53:57Z
dc.date.issued	2022-11-30
dc.identifier.uri	https://ri-ng.uaq.mx/handle/123456789/8369
dc.description	Objetivo: 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.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.publisher	Ingeniería	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	Ingeniería y Tecnología	es_ES
dc.subject	Ciencias Económicas	es_ES
dc.subject	Estadística	es_ES
dc.title	Predicción de precios de productos agrícolas mediante redes neuronales recurrentes	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	curp	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	HUTP910213HGTTRD00	es_ES
dc.contributor.identificador	PAGW890917HGTRRL07	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias (Ingeniería Matemática)	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES