Resumen

La predicción de información de mercado bien fundamentada, en particular la previsión a corto plazo de los precios de los productos básicos agrícolas, es un requisito esencial para el desarrollo sostenible de la comunidad agrícola. Estas predicciones se suelen realizar con la ayuda de modelos de series temporales. En este estudio, se utiliza el método de soft computing para la previsión a corto plazo del precio de los productos básicos agrícolas a partir de datos de series temporales utilizando la red neuronal artificial (RNA). Los datos de las series temporales de semillas de girasol y soja se consideran productos agrícolas básicos. Los datos de las series temporales de la semilla de soja se recopilaron durante un período de cinco años (enero de 2014 a diciembre de 2018), para el mercado del distrito de Akola, Maharashtra, India. Los datos de las series temporales de girasol se recopilaron para el período de seis años (enero de 2011 a diciembre de 2016), para el mercado del distrito de Kadari, Andhra Pradesh, India. El conjunto de datos está disponible en el sitio web del gobierno indio tomado del sitio web www.data.gov.in. Para la previsión, se utiliza el modelo RNA en los conjuntos de datos mencionados. El rendimiento del modelo se compara con el resultado del modelo ARIMA tradicional. El error porcentual medio absoluto (MAPE) y el error porcentual cuadrático medio (RMSPE) se consideran los parámetros de rendimiento del modelo de previsión. Se observa que la RNA es un modelo de previsión mejor que el modelo ARIMA si se consideran los dos parámetros de rendimiento de previsión MAPE y RMSPE.

• Materias:Biotecnología de alimentos Composición de los alimentos Microbiología de alimentos Tecnología de alimentos Análisis de los Alimentos
• Subjects:Food biotechnology Food composition Food microbiology Food technology Food Analysis
• Palabras claves:datos de series temporales, parámetros de rendimiento de previsión mape, error porcentual absoluto medio, datos de series temporales de semillas de soja, datos de series temporales de girasol, mercado del distrito de akola, sitio web del gobierno indio, mercado del distrito de kadari, precio de productos agrícolas, red neuronal artificial
• Keywords:time series data, forecasting performance parameters mape, mean absolute percentage error, soybean seed time series data, sunflower time series data, akola district market, indian government website, kadari district market, agriculture commodity price, artificial neural network