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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/264759

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