Modelo basado en aprendizaje de máquina para la predicción de textura de suelos

En el ámbito de las ciencias del suelo, el análisis de textura del suelo es esencial, ya que proporciona información crucial sobre la composición y las propiedades físicas del mismo. Por ello, su estudio, cálculo e interpretación son fundamentales. Se propone un modelo basado en aprendizaje de máqui...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Gutiérrez, Julián, Trillini, Mariano, Vallese, Federico Danilo, de Oliveira Ramos, Railson, Vanzolini, Juan Ignacio, de Almeida, Valber Elias, de Brito Neto, José Felix, Santos, Rodrigo, Pistonesi, Marcelo Fabián
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Informáticas
Textura de suelos
Aprendizaje de máquina
Bosques aleatorios
Análisis de datos
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/176979
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-176979
record_format dspace
spelling I19-R120-10915-1769792025-02-27T20:06:44Z http://sedici.unlp.edu.ar/handle/10915/176979 Modelo basado en aprendizaje de máquina para la predicción de textura de suelos Gutiérrez, Julián Trillini, Mariano Vallese, Federico Danilo de Oliveira Ramos, Railson Vanzolini, Juan Ignacio de Almeida, Valber Elias de Brito Neto, José Felix Santos, Rodrigo Pistonesi, Marcelo Fabián 2024-08 2024 2025-02-27T12:44:56Z es Ciencias Informáticas Textura de suelos Aprendizaje de máquina Bosques aleatorios Análisis de datos En el ámbito de las ciencias del suelo, el análisis de textura del suelo es esencial, ya que proporciona información crucial sobre la composición y las propiedades físicas del mismo. Por ello, su estudio, cálculo e interpretación son fundamentales. Se propone un modelo basado en aprendizaje de máquina para predecir la textura del suelo, utilizando datos de área de píxeles de las partículas de arena, limo y arcilla obtenidos a través de imágenes digitales. Adicionalmente, datos de materia orgánica y conductividad eléctrica se integrarán al modelo como atributos. El conjunto de datos se organizará incluyendo variables objetivo como el porcentaje de arena, el porcentaje de limo y la clasificación de la textura del suelo, basada en el método de Bouyoucos, que sirve como referencia estándar de laboratorio. El desarrollo de este trabajo busca simplificar los tiempos operativos, reducir tamaño de muestra y lograr una determinación sencilla y no destructiva de la granulometría del suelo. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 99-103
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Textura de suelos
Aprendizaje de máquina
Bosques aleatorios
Análisis de datos
spellingShingle Ciencias Informáticas
Textura de suelos
Aprendizaje de máquina
Bosques aleatorios
Análisis de datos
Gutiérrez, Julián
Trillini, Mariano
Vallese, Federico Danilo
de Oliveira Ramos, Railson
Vanzolini, Juan Ignacio
de Almeida, Valber Elias
de Brito Neto, José Felix
Santos, Rodrigo
Pistonesi, Marcelo Fabián
Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
topic_facet Ciencias Informáticas
Textura de suelos
Aprendizaje de máquina
Bosques aleatorios
Análisis de datos
description En el ámbito de las ciencias del suelo, el análisis de textura del suelo es esencial, ya que proporciona información crucial sobre la composición y las propiedades físicas del mismo. Por ello, su estudio, cálculo e interpretación son fundamentales. Se propone un modelo basado en aprendizaje de máquina para predecir la textura del suelo, utilizando datos de área de píxeles de las partículas de arena, limo y arcilla obtenidos a través de imágenes digitales. Adicionalmente, datos de materia orgánica y conductividad eléctrica se integrarán al modelo como atributos. El conjunto de datos se organizará incluyendo variables objetivo como el porcentaje de arena, el porcentaje de limo y la clasificación de la textura del suelo, basada en el método de Bouyoucos, que sirve como referencia estándar de laboratorio. El desarrollo de este trabajo busca simplificar los tiempos operativos, reducir tamaño de muestra y lograr una determinación sencilla y no destructiva de la granulometría del suelo.
format Objeto de conferencia
Objeto de conferencia
author Gutiérrez, Julián
Trillini, Mariano
Vallese, Federico Danilo
de Oliveira Ramos, Railson
Vanzolini, Juan Ignacio
de Almeida, Valber Elias
de Brito Neto, José Felix
Santos, Rodrigo
Pistonesi, Marcelo Fabián
author_facet Gutiérrez, Julián
Trillini, Mariano
Vallese, Federico Danilo
de Oliveira Ramos, Railson
Vanzolini, Juan Ignacio
de Almeida, Valber Elias
de Brito Neto, José Felix
Santos, Rodrigo
Pistonesi, Marcelo Fabián
author_sort Gutiérrez, Julián
title Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title_short Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title_full Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title_fullStr Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title_full_unstemmed Modelo basado en aprendizaje de máquina para la predicción de textura de suelos
title_sort modelo basado en aprendizaje de máquina para la predicción de textura de suelos
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/176979
work_keys_str_mv AT gutierrezjulian modelobasadoenaprendizajedemaquinaparalapredicciondetexturadesuelos
AT trillinimariano modelobasadoenaprendizajedemaquinaparalapredicciondetexturadesuelos
AT vallesefedericodanilo modelobasadoenaprendizajedemaquinaparalapredicciondetexturadesuelos
AT deoliveiraramosrailson modelobasadoenaprendizajedemaquinaparalapredicciondetexturadesuelos
AT vanzolinijuanignacio modelobasadoenaprendizajedemaquinaparalapredicciondetexturadesuelos
AT dealmeidavalberelias modelobasadoenaprendizajedemaquinaparalapredicciondetexturadesuelos
AT debritonetojosefelix modelobasadoenaprendizajedemaquinaparalapredicciondetexturadesuelos
AT santosrodrigo modelobasadoenaprendizajedemaquinaparalapredicciondetexturadesuelos
AT pistonesimarcelofabian modelobasadoenaprendizajedemaquinaparalapredicciondetexturadesuelos
_version_ 1847925308448047104

Ejemplares similares