Modelo predictivo agroclimático para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la Región Puno

El riesgo agroclimático en la vertiente del lago Titicaca para los cultivos de quinua y papa son esenciales para las distintas campañas agrícolas, ya que se requiere del pronóstico para diferentes épocas del año. La presente investigación tiene como objetivo, Implementar un modelo predictivo para de...

Descripción completa

Guardado en:
Autores principales: Yana Puma, John Wagner, Quispe Merma, María Dolores
Otros Autores: Condori Coaquira, Angel Rosendo
Formato: Tesis de pregrado
Lenguaje:español
Publicado: Universidad Peruana Unión 2020
Materias:
Machine learning
IoT
Modelo predictivo
Predicción agroclimática
SENAMHI
Acceso en línea:Enlace permanente (DOI o Handle)
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
_version_ 1881764557129515008
asesor_orcid_str_mv 0000-0003-4681-4272
asesor_str_mv Condori Coaquira, Angel Rosendo
author Yana Puma, John Wagner
Quispe Merma, María Dolores
author2 Condori Coaquira, Angel Rosendo
author_browse Condori Coaquira, Angel Rosendo
Quispe Merma, María Dolores
Yana Puma, John Wagner
author_facet Condori Coaquira, Angel Rosendo
Yana Puma, John Wagner
Quispe Merma, María Dolores
author_sort Yana Puma, John Wagner
collection Repositorio institucional
comunidad_str_mv Facultad de Ingeniería y Arquitectura
3. Licenciatura
Tesis y disertaciones
description El riesgo agroclimático en la vertiente del lago Titicaca para los cultivos de quinua y papa son esenciales para las distintas campañas agrícolas, ya que se requiere del pronóstico para diferentes épocas del año. La presente investigación tiene como objetivo, Implementar un modelo predictivo para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la región Puno; a través de algoritmos de clasificación y regresión de Machine Learning y como parte de IoT se construyó una mini estación meteorológica para capturar datos meteorológicos en tiempo real, esto con el fin de comparar con los resultados del modelo predictivo; los datos que servirán para dicho propósito son proporcionados por la institución de Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI). Para lograr el objetivo se trabaja con las siguientes variables: temperatura, humedad y del balance hídrico: precipitación. La metodología aplicada para el desarrollo de la presente investigación es CRISP-DM, que divide el proceso de minería de datos en seis fases, la metodología establece un conjunto de actividades en cada fase, pero sin especificar del cómo realizarlas. Cuyo resultado se genera los pronósticos de riesgo agroclimático para el sector agrario, dependiendo de las temporadas de variedad climática marcadas para la humedad entre diciembre, enero, febrero y marzo y secas otros meses.
escuela_str_mv Escuela Profesional de Ingeniería de Sistemas
format info:eu-repo/semantics/bachelorThesis
id oai:repositorio.upeu.edu.pe:20.500.12840/4621
institution UPeU
jurado_str_mv Centurion Julca, Lennin Henry
Sullon Macalupu, Abel Angel
Otazu Luque, Jorge Eddy
Gutierrez Quispe, Eder
language Spanish
linea_str_mv Tecnología de información e innovación tecnológica
ocde_area_str_mv Ingeniería y tecnología
ocde_disciplina_str_mv Ingeniería eléctrica, electrónica e informática
ocde_str_mv 2.02.04
programa_nombre_str_mv Ingeniería de Sistemas
programa_pxx_str_mv P27
programa_uri_str_mv http://upeu.edu.pe/sys/programas/programa/ingenieria-de-sistemas
publishDate 2020
publishDateRange 2020
publishDateSort 2020
publisher Universidad Peruana Unión
publisherStr Universidad Peruana Unión
record_format dspace
sede_str_mv Juliaca
spelling Modelo predictivo agroclimático para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la Región Puno Yana Puma, John Wagner Quispe Merma, María Dolores Condori Coaquira, Angel Rosendo Machine learning IoT Modelo predictivo Predicción agroclimática SENAMHI El riesgo agroclimático en la vertiente del lago Titicaca para los cultivos de quinua y papa son esenciales para las distintas campañas agrícolas, ya que se requiere del pronóstico para diferentes épocas del año. La presente investigación tiene como objetivo, Implementar un modelo predictivo para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la región Puno; a través de algoritmos de clasificación y regresión de Machine Learning y como parte de IoT se construyó una mini estación meteorológica para capturar datos meteorológicos en tiempo real, esto con el fin de comparar con los resultados del modelo predictivo; los datos que servirán para dicho propósito son proporcionados por la institución de Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI). Para lograr el objetivo se trabaja con las siguientes variables: temperatura, humedad y del balance hídrico: precipitación. La metodología aplicada para el desarrollo de la presente investigación es CRISP-DM, que divide el proceso de minería de datos en seis fases, la metodología establece un conjunto de actividades en cada fase, pero sin especificar del cómo realizarlas. Cuyo resultado se genera los pronósticos de riesgo agroclimático para el sector agrario, dependiendo de las temporadas de variedad climática marcadas para la humedad entre diciembre, enero, febrero y marzo y secas otros meses. 2020-12-28 2021-08-02T11:13:30Z 2021-08-02T11:13:30Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/4621 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/3.0/es/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/4621 2026-11-10T17:45:09Z com_20.500.12840_44 Facultad de Ingeniería y Arquitectura com_20.500.12840_8 3. Licenciatura com_20.500.12840_5 Tesis y disertaciones col_20.500.12840_73 Ingeniería de Sistemas
spellingShingle Machine learning
IoT
Modelo predictivo
Predicción agroclimática
SENAMHI
Yana Puma, John Wagner
Quispe Merma, María Dolores
Modelo predictivo agroclimático para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la Región Puno
title Modelo predictivo agroclimático para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la Región Puno
title_full Modelo predictivo agroclimático para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la Región Puno
title_fullStr Modelo predictivo agroclimático para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la Región Puno
title_full_unstemmed Modelo predictivo agroclimático para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la Región Puno
title_short Modelo predictivo agroclimático para detectar cambios climatológicos con machine learning e IoT para el sector agrario de la Región Puno
title_sort modelo predictivo agroclimatico para detectar cambios climatologicos con machine learning e iot para el sector agrario de la region puno
topic Machine learning
IoT
Modelo predictivo
Predicción agroclimática
SENAMHI
topic_facet Machine learning
IoT
Modelo predictivo
Predicción agroclimática
SENAMHI
url https://hdl.handle.net/20.500.12840/4621
work_keys_str_mv AT yanapumajohnwagner modelopredictivoagroclimaticoparadetectarcambiosclimatologicosconmachinelearningeiotparaelsectoragrariodelaregionpuno
AT quispemermamariadolores modelopredictivoagroclimaticoparadetectarcambiosclimatologicosconmachinelearningeiotparaelsectoragrariodelaregionpuno

Ejemplares similares