Redes neuronales artificiales para modelizar la emergencia de malas hierbas
- Autores
- Torra, Joel; Royo Esnal, Aritz; Chantre Balacca, Guillermo Ruben; Recasens, Jordi
- Año de publicación
- 2017
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- El objetivo del presente trabajo fue desarrollar redes neuronales artificiales (RNA) para predecir la emergencia del bromo (Bromus diandrus) y comparar su capacidad predictiva con los modelos sigmoidales (MS). Los tiempos termales e hídricos fueron usados como variables independientes de entrada (modelo bivariado) y la proporción de emergencia acumulada fue considerada la variable de salida, para un total de 16 escenarios distintos (con diferentes fechas de siembra y manejos del suelo), con el fin de comparar la bondad de los ajustes con la raíz del error medio cuadrático (REMC) entre las RNA y los MS. Los resultados indican que tanto las RNAs como los MSs predicen satisfactoriamente la emergencia de B. diandrus. Sin embargo, se observó un mejor ajuste en 11 de los 16 escenarios evaluados utilizando RNA (REMC 46% más bajos comparados con los MS).
Fil: Torra, Joel. Universidad de Lleida; España
Fil: Royo Esnal, Aritz. Universidad de Lleida; España
Fil: Chantre Balacca, Guillermo Ruben. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Centro de Recursos Naturales Renovables de la Zona Semiárida. Universidad Nacional del Sur. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina. Universidad Nacional del Sur. Departamento de Agronomía; Argentina
Fil: Recasens, Jordi. Universidad de Lleida; España
XVI Congreso de la Sociedad Española de Malherbología
Pamplona-Iruña
España
Sociedad Española de Malherbología - Materia
-
BROMUS DIANDRUS
MINIMO LABOREO
MODELO NO LINEAL SIGMOIDAL
SIEMBRA DIRECTA - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/264759
Ver los metadatos del registro completo
id |
CONICETDig_bad6c331c63f331915ee2b088e449144 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/264759 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Redes neuronales artificiales para modelizar la emergencia de malas hierbasTorra, JoelRoyo Esnal, AritzChantre Balacca, Guillermo RubenRecasens, JordiBROMUS DIANDRUSMINIMO LABOREOMODELO NO LINEAL SIGMOIDALSIEMBRA DIRECTAhttps://purl.org/becyt/ford/4.1https://purl.org/becyt/ford/4El objetivo del presente trabajo fue desarrollar redes neuronales artificiales (RNA) para predecir la emergencia del bromo (Bromus diandrus) y comparar su capacidad predictiva con los modelos sigmoidales (MS). Los tiempos termales e hídricos fueron usados como variables independientes de entrada (modelo bivariado) y la proporción de emergencia acumulada fue considerada la variable de salida, para un total de 16 escenarios distintos (con diferentes fechas de siembra y manejos del suelo), con el fin de comparar la bondad de los ajustes con la raíz del error medio cuadrático (REMC) entre las RNA y los MS. Los resultados indican que tanto las RNAs como los MSs predicen satisfactoriamente la emergencia de B. diandrus. Sin embargo, se observó un mejor ajuste en 11 de los 16 escenarios evaluados utilizando RNA (REMC 46% más bajos comparados con los MS).Fil: Torra, Joel. Universidad de Lleida; EspañaFil: Royo Esnal, Aritz. Universidad de Lleida; EspañaFil: Chantre Balacca, Guillermo Ruben. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Centro de Recursos Naturales Renovables de la Zona Semiárida. Universidad Nacional del Sur. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina. Universidad Nacional del Sur. Departamento de Agronomía; ArgentinaFil: Recasens, Jordi. Universidad de Lleida; EspañaXVI Congreso de la Sociedad Española de MalherbologíaPamplona-IruñaEspañaSociedad Española de MalherbologíaUniversidad Pública de NavarraRoyuela Hernando, MercedesZabalza Aznárez, Ana2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectCongresoBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/264759Redes neuronales artificiales para modelizar la emergencia de malas hierbas; XVI Congreso de la Sociedad Española de Malherbología; Pamplona-Iruña; España; 2017; 63-67978-84-9769-327-1CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://semh.net/wp-content/uploads/2017/12/XVI_congreso-Malherbologia_ACTAS.pdfNacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:18:59Zoai:ri.conicet.gov.ar:11336/264759instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:18:59.528CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Redes neuronales artificiales para modelizar la emergencia de malas hierbas |
title |
Redes neuronales artificiales para modelizar la emergencia de malas hierbas |
spellingShingle |
Redes neuronales artificiales para modelizar la emergencia de malas hierbas Torra, Joel BROMUS DIANDRUS MINIMO LABOREO MODELO NO LINEAL SIGMOIDAL SIEMBRA DIRECTA |
title_short |
Redes neuronales artificiales para modelizar la emergencia de malas hierbas |
title_full |
Redes neuronales artificiales para modelizar la emergencia de malas hierbas |
title_fullStr |
Redes neuronales artificiales para modelizar la emergencia de malas hierbas |
title_full_unstemmed |
Redes neuronales artificiales para modelizar la emergencia de malas hierbas |
title_sort |
Redes neuronales artificiales para modelizar la emergencia de malas hierbas |
dc.creator.none.fl_str_mv |
Torra, Joel Royo Esnal, Aritz Chantre Balacca, Guillermo Ruben Recasens, Jordi |
author |
Torra, Joel |
author_facet |
Torra, Joel Royo Esnal, Aritz Chantre Balacca, Guillermo Ruben Recasens, Jordi |
author_role |
author |
author2 |
Royo Esnal, Aritz Chantre Balacca, Guillermo Ruben Recasens, Jordi |
author2_role |
author author author |
dc.contributor.none.fl_str_mv |
Royuela Hernando, Mercedes Zabalza Aznárez, Ana |
dc.subject.none.fl_str_mv |
BROMUS DIANDRUS MINIMO LABOREO MODELO NO LINEAL SIGMOIDAL SIEMBRA DIRECTA |
topic |
BROMUS DIANDRUS MINIMO LABOREO MODELO NO LINEAL SIGMOIDAL SIEMBRA DIRECTA |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/4.1 https://purl.org/becyt/ford/4 |
dc.description.none.fl_txt_mv |
El objetivo del presente trabajo fue desarrollar redes neuronales artificiales (RNA) para predecir la emergencia del bromo (Bromus diandrus) y comparar su capacidad predictiva con los modelos sigmoidales (MS). Los tiempos termales e hídricos fueron usados como variables independientes de entrada (modelo bivariado) y la proporción de emergencia acumulada fue considerada la variable de salida, para un total de 16 escenarios distintos (con diferentes fechas de siembra y manejos del suelo), con el fin de comparar la bondad de los ajustes con la raíz del error medio cuadrático (REMC) entre las RNA y los MS. Los resultados indican que tanto las RNAs como los MSs predicen satisfactoriamente la emergencia de B. diandrus. Sin embargo, se observó un mejor ajuste en 11 de los 16 escenarios evaluados utilizando RNA (REMC 46% más bajos comparados con los MS). Fil: Torra, Joel. Universidad de Lleida; España Fil: Royo Esnal, Aritz. Universidad de Lleida; España Fil: Chantre Balacca, Guillermo Ruben. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Centro de Recursos Naturales Renovables de la Zona Semiárida. Universidad Nacional del Sur. Centro de Recursos Naturales Renovables de la Zona Semiárida; Argentina. Universidad Nacional del Sur. Departamento de Agronomía; Argentina Fil: Recasens, Jordi. Universidad de Lleida; España XVI Congreso de la Sociedad Española de Malherbología Pamplona-Iruña España Sociedad Española de Malherbología |
description |
El objetivo del presente trabajo fue desarrollar redes neuronales artificiales (RNA) para predecir la emergencia del bromo (Bromus diandrus) y comparar su capacidad predictiva con los modelos sigmoidales (MS). Los tiempos termales e hídricos fueron usados como variables independientes de entrada (modelo bivariado) y la proporción de emergencia acumulada fue considerada la variable de salida, para un total de 16 escenarios distintos (con diferentes fechas de siembra y manejos del suelo), con el fin de comparar la bondad de los ajustes con la raíz del error medio cuadrático (REMC) entre las RNA y los MS. Los resultados indican que tanto las RNAs como los MSs predicen satisfactoriamente la emergencia de B. diandrus. Sin embargo, se observó un mejor ajuste en 11 de los 16 escenarios evaluados utilizando RNA (REMC 46% más bajos comparados con los MS). |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/conferenceObject Congreso Book http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
status_str |
publishedVersion |
format |
conferenceObject |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/264759 Redes neuronales artificiales para modelizar la emergencia de malas hierbas; XVI Congreso de la Sociedad Española de Malherbología; Pamplona-Iruña; España; 2017; 63-67 978-84-9769-327-1 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/264759 |
identifier_str_mv |
Redes neuronales artificiales para modelizar la emergencia de malas hierbas; XVI Congreso de la Sociedad Española de Malherbología; Pamplona-Iruña; España; 2017; 63-67 978-84-9769-327-1 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://semh.net/wp-content/uploads/2017/12/XVI_congreso-Malherbologia_ACTAS.pdf |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.coverage.none.fl_str_mv |
Nacional |
dc.publisher.none.fl_str_mv |
Universidad Pública de Navarra |
publisher.none.fl_str_mv |
Universidad Pública de Navarra |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844614156934709248 |
score |
13.070432 |