Palabras clave
Resumen
El sector floricultor es muy importante en la sabana de Bogotá gracias a
la alta productividad y competencia a nivel económico en el país. Al ser
uno de los sectores agrícolas más desarrollados, requiere de tecnologías
que ayuden a la mejora continua del proceso. Cambios negativos en el
clima contribuyen a la afectación en la productividad, por lo que es de
gran importancia conocer estos posibles cambios en variables climáti
cas como lo son la precipitación, humedad y temperatura. Se pretende
obtener un buen modelo con el que se pueda pronosticar cambios en
las temperaturas mínimas para el correcto desarrollo fisiológico de la
rosa. El pronóstico fue realizado con una base de datos de una compa
ñía floricultora de la Sabana de Bogotá y consistió en la obtención de
un pronóstico de temperaturas mínimas para el mes de febrero del año
2022. Se obtuvieron tres pronósticos, uno con un modelo ARIMA, uno
con redes neuronales de retroalimentación y otro con redes neuronales
recurrentes, los cuales se compararon con los valores reales. Los resulta
dos indican menor error en el modelo ARIMA pero mayor variación en
las temperaturas mínimas con las redes neuronales recurrentes, por lo
que se considera necesario elaborar un modelo de series multivariadas
en el que se incluyan variables como temperatura máxima y humedad
relativa para que el modelo sea más acertado a los datos reales.
Referencias
Alfaro, E. and Soley, F. (2009). Descripción de dos métodos de rellenado de datos ausen
tes en series de tiempo meteorológicas. Revista de Matemática: Teoría y Aplicaciones, 16:60, DOI:
15517/rmta.v16i1.1419.
Asocolflores (2022).
Registros
de temporada.
asi-registraron-los-medios-la-temporada-de-san-valentin-2022.
Bello P, L. D. and Martinez C, S. (2007). Una metodologia de series de tiempo para
el Area de la salud; caso practico. Revista Facultad Nacional de Salud Patextordmasculineblica,
:118– 122, ISSN: 0120-386X, http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=
S0120-386X2007000200014&nrm=iso.
c, g., Barreiro Felpeto, A., Maneiro Estraviz, I., Riveiro, I., Vergara, A., and Vaamonde, A. (2006).
Tratamiento De Datos. ISBN: 84-7978-736-8.
Casimiro, G. and del Pilar, M. (2009). Análisis de series temporales : modelos arima.
de agricultura de Colombia, M. (2020). Cadena de Flores. Dirección de Cadenas Agrícolas y Forestales.
[de Arce] de Arce, R. Modelos ARIMA. U.D.I. Econometría e Informática.
[de la Fuente Fernández] de la Fuente Fernández, S. Series temporales, Modelos ARIMA, Metodología de
Box–jenkins. Facultad Ciencias Económicas y Empresariales.
El Rosal, C. (2018). Generalidades. http://www.elrosal-cundinamarca.gov.co/municipio/
generalidades-el-rosal-cundinamarca.
Fournies, A. (2015). Modelos arma y box and jenkins. DOI: 10.13140/RG.2.1.2907.0883.
López, B. S. (2019). Suavización exponencial simple. https://www.ingenieriaindustrialonline.
com/pronostico-de-la-demanda/suavizacion-exponencial-simple/.
https://doi.org/10.37511/apuntesci.v1n1a2
ISSN: 2745-2956.
Monroy, N., Pérez, I., and Cure, J. R. (2001). Estudio de la variabilidad en el clima y la producción de
rosas en la sabana de bogotá. Revista de Ingeniería, 1(14):38–43, DOI: 10.16924/revinge.14.7, https:
//revistas.uniandes.edu.co/index.php/rdi/article/view/6943.
Neira, N. O. (2011). Implementación de modelos locales en el espacio de fase para el pronóstico de variables
hidrometeorológicas a partir de series de tiempo. Universidad Nacional de Colombia.
Olga Cecilia González Gómez, C. F. T. T. (2012). Actualización nota técnica heladas 2012. IDEAM.
Polanco, A. E. R. (2020). Series de Tiempo: Conceptos Básicos de Análisis de Series de Tiempo en el Dominio
del Tiempo. Amazon Digital Services LLC- Kdp, 2020, ISBN: 8409179121, 9788409179121.
Ramirez Forero, D. D. (2018). Interpoladores deterministicos espacio-temporales, series de tiempo y analisis de
datos funcionales para el estudio y la predicción de la precipitación en Cundinamarca y Bogota D.C. Universidad
Distrital Francisco Jose de Caldas.
Imagina, diseña y construye: Revista Apuntes de Ciencia e Ingeniería
Facultad de Ingeniería y Ciencias Básicas
Vanegas Ramos, M. A. (2011). Implementación de modelos locales en el espacio de fase para el pronóstico de
variables hidrometeorológicas a partir de series de tiempo.
Vega, L. C. T. (2015). Modelos de series de tiempo. http://ri.uaemex.mx/oca/bitstream/20.500.
/32339/1/secme-11680.pdf.
Villazón-Bustillos, D., Rubio-Arias, H. O., Ortega-Gutiérrez, J. A., Rentería-Villalobos, M., González
Gurrola, L. C., and Pinales-Munguia, A. (2016). Análisis en series de tiempo para el pronóstico de
sequáa en la región noroeste del estado de chihuahua. Ecosistemas y Recursos Agropecuarios, 3(9):307–315,
DOI: 10.19136/era.a3n9.65, https://era.ujat.mx/index.php/rera/article/view/65.
Óscar Hernández Rodríguez (2013). Temas de análisis estadístico multivariante. ISBN: 9789968463577.