Modelo de predicción de la plaga Burkholderia Glumae en cultivos de arroz usando Machine Learning e Interpolación Espacial

dc.contributor.advisorSaboya Ríos, Nemias
dc.contributor.authorPérez Suárez, Joel
dc.date.accessioned2023-09-28T16:28:16Z
dc.date.available2023-09-28T16:28:16Z
dc.date.embargoEnd2024-02-03
dc.date.issued2022-02-03
dc.description.abstractEn la actualidad, la agricultura, en especial el cultivo de arroz está siendo afectado por los constantes cambios climáticos, esto origina que algunos patógenos sean favorecidos alterando su producción, y a su vez generando pérdidas económicas. El estudio tuvo el propósito de elaborar un modelo de Machine Learning para predecir la aparición de la plaga Burkholderia Glumae en cultivos de arroz en la región de San Martín, Perú. En la exploración de los datos se usó la técnica de interpolación espacial IDW, para obtener datos de temperatura y precipitación. El estudio aplicó una serie de algoritmos supervisados. Entre estos, el Random Forest Classifier (RFC) fue el que obtuvo el máximo valor con un accuracy de 88%. También se creó un aplicativo donde se visualiza la predicción de la plaga Burkholderia Glumae en una zona determinada de la región.en_ES
dc.description.escuelaEscuela de Posgradoen_ES
dc.description.lineadeinvestigacionInteligencia artificialen_ES
dc.description.sedeLIMAen_ES
dc.formatapplication/pdfen_ES
dc.identifier.urihttp://repositorio.upeu.edu.pe/handle/20.500.12840/6880
dc.language.isospaen_ES
dc.publisherUniversidad Peruana Uniónen_ES
dc.publisher.countryPEen_ES
dc.rightsinfo:eu-repo/semantics/embargoedAccessen_ES
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 Spain*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/es/*
dc.subjectMachine learningen_ES
dc.subjectPlaga de arrozen_ES
dc.subjectBurkholderia glumaeen_ES
dc.subjectRandom forest classifieren_ES
dc.subjectInterpolación espacialen_ES
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.02.02en_ES
dc.titleModelo de predicción de la plaga Burkholderia Glumae en cultivos de arroz usando Machine Learning e Interpolación Espacialen_ES
dc.typeinfo:eu-repo/semantics/masterThesisen_ES
renati.advisor.dni42001721
renati.advisor.orcidhttps://orcid.org/0000-0002-7166-2197en_ES
renati.author.dni45582992
renati.discipline612357en_ES
renati.jurorCuellar Rodríguez, Immer Elias
renati.jurorLévano Rodríguez, Danny
renati.jurorAcuña Salinas, Cynthia Carol
renati.jurorSullón Macalupu, Abel Angel
renati.jurorSaboya Rios, Nemias
renati.levelhttp://purl.org/pe-repo/renati/nivel#maestroen_ES
renati.typehttp://purl.org/pe-repo/renati/type#tesisen_ES
thesis.degree.disciplineMaestría en Ingeniería de Sistemas con Mención en Ingeniería de Softwareen_ES
thesis.degree.grantorUniversidad Peruana Unión. Unidad de Posgrado de Ingeniería y Arquitecturaen_ES
thesis.degree.nameMaestro en Ingeniería de Sistemas con Mención en Ingeniería de Softwareen_ES

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Joel_Tesis_Maestro_2023.pdf
Tamaño:
300.3 KB
Formato:
Adobe Portable Document Format
Descripción:
No hay miniatura disponible
Nombre:
Autorización.pdf
Tamaño:
188.43 KB
Formato:
Adobe Portable Document Format
Descripción:
No hay miniatura disponible
Nombre:
Reporte de similitud.pdf
Tamaño:
847.03 KB
Formato:
Adobe Portable Document Format
Descripción:
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: