APLICACIN DE MODELOS DE REDES NEURONALES AL PRONSTICO DEL COMERCIO NACIONAL E INTERNACIONAL DE PRODUCTOS AGRCOLAS Resumen ejecutivo Los pronsticos

de series de tiempo son muy importantes para conocer qu tanto se va a producir, cunto se va a vender, cules sern los precios de los productos, etctera. El primer objetivo de este trabajo fue crear y probar una Red Neuronal Artificial para realizar el pronstico de series de tiempo de las hectreas de superficie cosechada y sembrada de tomate en los estados de la Repblica Mexicana donde se siembra la mayora de hectreas de tomate, con el fin de realizar pronsticos del precio en Mxico y en Estados Unidos. El segundo objetivo fue encontrar un coeficiente de correlacin entre la serie de datos de ambos pases, con el fin de conocer el grado de asociacin que existe entre ellas, para lo cual se utilizaron las series del precio promedio del tomate de cada pas. Se cont con datos estadsticos histricos de cinco ciudades de Mxico y Estados Unidos de Amrica, as como con datos semanales del tomate de enero de 1999 a junio de 2005. Las ciudades fueron: Distrito Federal, Guadalajara, Mrida, Monterrey y Torren; y Atlanta, Dallas, Los ngeles, Nueva York y San Francisco. Como primer paso, se desarroll un sistema en lnea de comandos para realizar el pronstico de la superficie sembrada y superficie cosechada de los principales estados de la Repblica Mexicana. En la segunda fase se cre una interfaz grfica en la cual se pueden realizar los pronsticos de los estados que fueron previamente entrenados en la primera fase del proyecto. El sistema se construy en Lenguaje de programacin MATLAB con interface en Lenguaje C. Cuando se cont con los pronsticos del precio promedio de Mxico y de Estados Unidos, y el pronstico por ciudades, se utiliz el software Datafit para obtener el pronstico del precio promedio del tomate con el Modelo Autoregresivo con Promedio Mvil (ARMA) para hacer la comparacin del pronstico del precio promedio del tomate obtenido con la red neuronal

modular. De la misma forma utilizando el software Datafit se obtuvieron los pronsticos del precio del tomate para cada ciudad con el Modelo Autorregresivo (AR) y se les compar con los resultados obtenidos con la red neuronal modular por ciudades. Una vez obtenidos los datos pronosticados del precio de ambos pases utilizando Redes Neuronales Artificiales, se realiz una comparacin con un modelo matemtico que involucr a ambos pases para saber qu procedimiento (RNA) o modelo matemtico se aproxim ms a los datos reales. Adems, se determin el coeficiente de correlacin entre el precio de Mxico y el precio de Estados Unidos, con el fin de conocer el grado de asociacin entre ambos pases, es decir, saber que tan relacionadas estn ambas variables. Por ltimo, se presentan las tablas comparativas y las graficas de los mejores resultados obtenidos con las diferentes arquitecturas creadas.

Demanda o problemtica que atiende Contar con pronsticos lo ms aproximados posibles a la realidad de diferentes productos agrcolas en el pas, especialmente en lo que se refiere al pronstico de siembra y cosecha de tomate. Resultados obtenidos y/o descripcin. Caractersticas de la tecnologa generada Un estudio de mtodos de redes neuronales modulares para aplicacin de pronstico de series de tiempo y comparacin con mtodos estadsticos para pronosticar precios del tomate y siembra, tanto en Mxico como en Estados Unidos. Un sistema computacional para el pronstico de siembra y cosecha de los estados productores de tomate de nuestro pas. Manual de operacin del sistema computacional para el pronstico de siembra, cosecha y precio de tomate en Mxico, utilizando redes neuronales artificiales. El investigador afirma que los mtodos empleados arrojaron resultados ptimos, puesto que se apegaban en su mayora a los reales, publicados en la pgina de la SAGARPA, con lo cual la informacin obtenida puede dar a los inversionistas y a los productores un opcin ms de la situacin en la que se

encuentra alguna regin especfica para que puedan tomar decisiones a futuro.

Impactos Los pronsticos son de gran importancia para las empresas, ya que conocer el comportamiento que tendrn las ventas en un tiempo futuro les ayuda a tomar medidas o decidir nuevas estrategias que ayuden a evitar caer en situaciones no deseadas. En este caso, como resultado de este proyecto, las empesas y los productores podrn contar con un modelo que permite pronosticar el precio del tomate en Mxico y Estados Unidos, utilizando Redes Neuronales Artificiales (RNA).

Costos estimados de la aplicacin de los resultados y/o tecnologa generada El sistema computacional para el pronstico de siembra, cosecha y precio de tomate en Mxico consiste en una interfaz grfica que permite pronosticar: a) la superficie sembrada de los ocho estados principales donde se siembra tomate; b) la superficie cosechada de los ocho estados; y c) el precio medio rural. Tambin se puede agregar ms estados a la lista o suprimir algn estado alternos o secundarios.

mbito de aplicacin La produccin nacional de tomate est en casi todos los estados de la Repblica Mexicana, pero los ms significativos son: Sinaloa, Michoacn, San Luis Potos, Jalisco, Sonora, Puebla, Nayarit y Morelos, los cuales representan el 77% del total de las hectreas de siembra y cosecha de tomate en Mxico.

Informacin adicional o comentario Las Redes Neuronales Artificiales

(RNA),

que

emulan

dos

caractersticas bsicas de los seres humanos: la capacidad de memorizar y asociar hechos, constituyen un potente modelo para la aproximacin de funciones no lineales. Su uso resulta especialmente til en la modelacin de aquellos fenmenos complejos donde la presencia de relaciones no lineales entre las variables es habitual. Las RNA consisten en un conjunto finito de unidades interconectadas entre s,

llamadas neuronas. Cada neurona Ni es modelada por un conjunto de datos de entrada Yj, los cuales tendrn cada uno un peso Wij que nos indica el factor de importancia de conexin entre la neurona i y la neurona j. Asociado a una neurona Ni siempre hay valor de salida Yi que podra ser la entrada a otra neurona o el valor de salida de la red neuronal, el cual se encuentra al evaluar la funcin de activacin (Si), donde Si es definido como la suma de un valor bias i ms la suma de todas las entradas a la neurona multiplicados por los correspondientes pesos sinpticos.

Clave del proyecto: SAGARPA 2003-C01-02 Sistema Producto y/o lnea estratgica de atencin: modelos tecnolgicos computacionales Investigador: doctora ELBA PATRICIA MELN OLMEDA Institucin: Instituto Tecnolgico de Tijuana. Divisin de estudios de Posgrado e Investigacin.