Predicción del rendimiento de un cultivo de naranja 'Valencia' mediante redes neuronales de regresión generalizada

Resumen

El rendimiento de un cultivo es el resultado de una multiplicidad de variables, cuyas complejas interacciones hacen que sea difícil de predecir por medios convencionales. Las redes neuronales de regresión generalizada constituyen una alternativa prometedora para dicha tarea, gracias a su capacidad para modelar relaciones no lineales, sin la necesidad de conocer la naturaleza explícita de las mismas. El presente trabajo tuvo como propósito evaluar dicha aproximación, en la predicción del rendimiento de un cultivo de naranja ‘Valencia’ (Citrus sinensis L. Osbeck), a partir de las concentraciones en el tejido foliar de nitrógeno, fósforo, potasio, calcio, y magnesio. Especial énfasis se hizo en el tratamiento de los datos de entrada/salida, utilizando técnicas convencionales (normalización, estandarización, y componentes principales), y otras no convencionales (cálculos de los log-cociente centrado, e índices nutricionales individuales nutricionales individuales y globales, a partir del Sistema de Diagnóstico de la Composición Nutricional). Los resultados mostraron que, entre las estudiadas, la combinación índices nutricionales individuales/rendimiento normalizado (Error de predicción= 0,98 kg·árbol^-1), y componentes principales no rotados/rendimiento normalizado (Error de predicción= 0,51 kg·árbol^-1) condujeron al desarrollo de las redes neuronales con las mejores capacidades de predicción del rendimiento, evidenciadas por los menores errores de predicción anteriormente indicados.