M. C. Robustillo Carmona, C. J. Pérez Sánchez, M. I. Parra Arévalo
La apicultura de precisión combina tecnología y estadística para ayudar al apicultor a conocer el estado de la colmena y anticiparse a diferentes eventos para mejorar la producción. Se analizaron los datos de dos colmenas sensorizadas del proyecto we4bee.org, que registran medidas de variables internas (peso, temperatura y humedad) y de condiciones meteorológicas. Se utilizaron cuatro modelos de distinta naturaleza, tanto vectoriales autorregresivos como de regresión, con el objetivo de realizar predicciones de las condiciones internas a uno, tres y siete días. Los modelos autorregresivos han mostrado su superioridad tanto en capacidad predictiva como en coste computacional. Mediante un esquema de validación cruzada se han obtenido errores absolutos medios (media ± desviación típica) de solo 0.17 ± 0.15 kg en predicciones de peso, 0.56 ± 0.28 ºC en temperatura y 0.92 ± 0.56% en humedad. Los resultados apoyan la inclusión de estas técnicas en un sistema de apoyo a la decisión.
Palabras clave: Apicultura de precisión, aprendizaje automático, inteligencia artificial, datos de sensores, predicción, series temporales
Programado
Aplicaciones de la Estadística II
10 de junio de 2022 16:00
A15
