Abstracto

Comparación entre la memoria a corto y largo plazo y el modelo oculto de Markov para predecir la producción de maíz en Nigeria

Nkemnole EB*, Adoghe VO

Debido al aumento de la población y a las limitaciones de las importaciones, el maíz, un cereal clave en África, está experimentando un auge en la demanda. En vista de esto, el estudio se centra en determinar cómo interactúa la producción de maíz en Nigeria con varios factores climáticos, en particular las precipitaciones y la temperatura. En este contexto, se comparan el modelo oculto de Markov (HMM) y la red neuronal de memoria a corto y largo plazo (LSTM) para evaluar su desempeño. Se utilizan diversos indicadores de desempeño, como la correlación, el error porcentual absoluto medio (MAPE), el error estándar de la media (SEM) y el error cuadrático medio (MSE), para evaluar los modelos. Los resultados muestran que el HMM funciona mejor que el LSTM, con un RMSE de 1,21 y un MAPE de 12,98, lo que demuestra un mayor rendimiento. Con base en este resultado, el HMM se utiliza luego para pronosticar el rendimiento del maíz teniendo en cuenta los efectos de la temperatura y las precipitaciones. Las estimaciones destacan la posibilidad de aumentar la producción local al demostrar un entorno favorable para la siembra de maíz en Nigeria. Con el fin de ayudar al gobierno nigeriano en sus esfuerzos por aumentar la producción nacional de maíz, estos estudios ofrecen información útil.