Predicción de stock de carbono en suelos argentinos

El proyecto tiene como objetivo revolucionar la medición de carbono en suelos agrícolas mediante un modelo predictivo avanzado. Este enfoque pretende ofrecer una alternativa más accesible y económica comparada con las mediciones tradicionales, posibilitando un mayor alcance en el mercado agrícola y...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Scorza, Juan Ignacio, Soleño, Justo Nicolas, Alfie, Augustin Ariel
Formato:	Proyecto final de grado
Lenguaje:	Español
Publicado:	2024
Materias:	CARBONO APRENDIZAJE AUTOMÁTICO INTELIGENCIA ARTIFICIAL SUELOS SUELOS AGRÍCOLAS ARGENTINA
Acceso en línea:	https://ri.itba.edu.ar/handle/20.500.14769/4751
Aporte de:	Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)

id	I32-R138-20.500.14769-4751
record_format	dspace
spelling	I32-R138-20.500.14769-47512026-01-15T15:13:52Z Predicción de stock de carbono en suelos argentinos Scorza, Juan Ignacio Soleño, Justo Nicolas Alfie, Augustin Ariel CARBONO APRENDIZAJE AUTOMÁTICO INTELIGENCIA ARTIFICIAL SUELOS SUELOS AGRÍCOLAS ARGENTINA El proyecto tiene como objetivo revolucionar la medición de carbono en suelos agrícolas mediante un modelo predictivo avanzado. Este enfoque pretende ofrecer una alternativa más accesible y económica comparada con las mediciones tradicionales, posibilitando un mayor alcance en el mercado agrícola y generando ingresos significativos. El modelo seleccionado es un Árbol de Decisión Potenciado (Modelo V2) y fue obtenido mediante el uso de la herramienta Google AutoML. El Árbol de Decisión Potenciado ha demostrado un rendimiento sólido, destacando en particular por su MAPE de 14.609% en evaluación y un coeficiente de determinación de 0.742. Estas métricas subrayan su alta precisión en las predicciones y una excelente capacidad de generalización a nuevos datos, lo que es fundamental para ajustar la penetración de mercado y la estructuración de precios. La implementación del modelo predice con precisión la cantidad de carbono almacenada en los suelos, ofreciendo un gran potencial de mercado. Se proyecta una ganancia sustancial basada en la penetración de mercado y la estrategia de precios, con una estimación de ingresos de aproximadamente 300 mil dólares. Este modelo no solo mejora la eficiencia de las mediciones de carbono sino que también contribuye significativamente a las prácticas agrícolas sostenibles y a la gestión ambiental, posicionando al proyecto para un éxito continuo en el sector agrícola. 2024-10-16T16:46:50Z 2024-10-16T16:46:50Z 2024 Proyecto final de grado https://ri.itba.edu.ar/handle/20.500.14769/4751 es application/pdf
institution	Instituto Tecnológico de Buenos Aires (ITBA)
institution_str	I-32
repository_str	R-138
collection	Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language	Español
topic	CARBONO APRENDIZAJE AUTOMÁTICO INTELIGENCIA ARTIFICIAL SUELOS SUELOS AGRÍCOLAS ARGENTINA
spellingShingle	CARBONO APRENDIZAJE AUTOMÁTICO INTELIGENCIA ARTIFICIAL SUELOS SUELOS AGRÍCOLAS ARGENTINA Scorza, Juan Ignacio Soleño, Justo Nicolas Alfie, Augustin Ariel Predicción de stock de carbono en suelos argentinos
topic_facet	CARBONO APRENDIZAJE AUTOMÁTICO INTELIGENCIA ARTIFICIAL SUELOS SUELOS AGRÍCOLAS ARGENTINA
description	El proyecto tiene como objetivo revolucionar la medición de carbono en suelos agrícolas mediante un modelo predictivo avanzado. Este enfoque pretende ofrecer una alternativa más accesible y económica comparada con las mediciones tradicionales, posibilitando un mayor alcance en el mercado agrícola y generando ingresos significativos. El modelo seleccionado es un Árbol de Decisión Potenciado (Modelo V2) y fue obtenido mediante el uso de la herramienta Google AutoML. El Árbol de Decisión Potenciado ha demostrado un rendimiento sólido, destacando en particular por su MAPE de 14.609% en evaluación y un coeficiente de determinación de 0.742. Estas métricas subrayan su alta precisión en las predicciones y una excelente capacidad de generalización a nuevos datos, lo que es fundamental para ajustar la penetración de mercado y la estructuración de precios. La implementación del modelo predice con precisión la cantidad de carbono almacenada en los suelos, ofreciendo un gran potencial de mercado. Se proyecta una ganancia sustancial basada en la penetración de mercado y la estrategia de precios, con una estimación de ingresos de aproximadamente 300 mil dólares. Este modelo no solo mejora la eficiencia de las mediciones de carbono sino que también contribuye significativamente a las prácticas agrícolas sostenibles y a la gestión ambiental, posicionando al proyecto para un éxito continuo en el sector agrícola.
format	Proyecto final de grado
author	Scorza, Juan Ignacio Soleño, Justo Nicolas Alfie, Augustin Ariel
author_facet	Scorza, Juan Ignacio Soleño, Justo Nicolas Alfie, Augustin Ariel
author_sort	Scorza, Juan Ignacio
title	Predicción de stock de carbono en suelos argentinos
title_short	Predicción de stock de carbono en suelos argentinos
title_full	Predicción de stock de carbono en suelos argentinos
title_fullStr	Predicción de stock de carbono en suelos argentinos
title_full_unstemmed	Predicción de stock de carbono en suelos argentinos
title_sort	predicción de stock de carbono en suelos argentinos
publishDate	2024
url	https://ri.itba.edu.ar/handle/20.500.14769/4751
work_keys_str_mv	AT scorzajuanignacio predicciondestockdecarbonoensuelosargentinos AT solenojustonicolas predicciondestockdecarbonoensuelosargentinos AT alfieaugustinariel predicciondestockdecarbonoensuelosargentinos
_version_	1865139656603992064

Predicción de stock de carbono en suelos argentinos

Ejemplares similares