Buscar


Mostrar el registro sencillo del ítem

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


Ficheros en el ítem

Thumbnail
Nombre: RI007477.pdf
Tamaño: 2.735Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem