Your SlideShare is downloading. ×
Exposición, Caña de azucar
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Exposición, Caña de azucar

2,196
views

Published on


0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
2,196
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
19
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide
  • Al momento de explicar los tipos de suelos tener en cuenta que la combinación de estos tres elementos da como resultado 14 tipos de suelos distintos que varian sus propiedades de absorción, filtración de agua, espesor, lo cual es factor clave en el proceso del cultivo
  • Se adapta a casi todos los tipos de suelos, vegetando mejor y dando más azúcar en los ligeros, si el agua y el abonado es el adecuado. En los pesados y de difícil manejo constituye muchas veces el único aprovechamiento rentable.
  • Brent Martin (1995). Instance-Based learning: Nearest Neighbor With Generalization. Hamilton, New Zealand.
  • Transcript

    • 1. Presentado por: Lisseth Duran Oscar Hormaza
    • 2. INTRODUCCION
      • La evaluación de tierras es una herramienta la cual nos permite realizar una planificación estratégica que ayuda a determinar el comportamiento de la tierra bajo usos determinados, en términos de beneficios, costos y efectos ambientales.
      • En Cuba el Instituto Nacional de Investigaciones de la Caña de Azúcar (INICA),por primera vez realizó un trabajo de evaluación de tierras que abarcó todas las áreas cañeras del país, que se elaboró de manera participativa en el que intervinieron productores e investigadores, como premisa para establecer estrategias para la planificación del desarrollo del área agrícola del Ministerio del Azúcar.
    • 3. Objetivo
      • El objetivo de este trabajo es presentar un estudio a través de técnicas de minería de datos que permitan determinar, a través de un clasificador, el grado de aptitud de parcelas de tierras para el cultivo de caña de azúcar.
      • De manera que si no es recomendable su uso para este cultivo pudiera emplearse para otras actividades, evitándose así la degradación del suelo en las áreas no aptas y a la vez concentrar los recursos en aquellas parcelas con las condiciones más adecuadas para alcanzar los mayores rendimientos en caña de azúcar.
    • 4. ¿Por qué aplicar minería de datos?
      • La aplicación de técnicas de minería de datos en esta actividad se realiza con el fin de descubrir relaciones ocultas entre las distintas variables y características relacionadas con la agricultura, que al ser identificadas y estudiadas podrían aportar iniciativas para el beneficio de esta rama de la economía.
      • ¿Qué técnicas se aplicaron?
      • En este estudio, el trabajo está encaminado a comparar algoritmos supervisados a través de clasificadores. Un algoritmo de técnica supervisada predice los valores de un atributo etiqueta u objetivo con la ayuda de los valores de otros atributos, por lo que van a estar dirigidas a la clasificación y a los sistemas de predicción. En este caso, se probaron distintos inductores (árboles, reglas y funciones) y en cada caso se analizaron los clasificadores que se obtenían como resultado de la aplicación de distintos algoritmos
    • 5. Tipos De Suelo
      • Características:
      • pendiente del terreno
      • pedregosidad
      • rocosidad
      • salinidad
      • acidez del suelo
      • capacidad de intercambio catiónico,
      • Drenaje
      • Entre otros
      • El cultivo de caña se adapta a casi todos los tipos de suelos, vegetando mejor y dando más azúcar en los ligeros, si el agua y el abonado es el adecuado. En los pesados y de difícil manejo constituye muchas veces el único aprovechamiento rentable.
    • 6. Clima
      • Otro de los factores importantes que afecta el cultivo de algún producto es el clima.
      • Ya que no todos los cultivos pueden soportar el mismo clima y altura, es un factor importante que el producto se encuentre en un ambiente apto y estable el cual permita que este prospere con mejor calidad.
      • Por ejemplo, para la caña de azúcar o soporta temperaturas inferiores a 0 ºC, aunque alguna vez puede llegar a soportar hasta -1 ºC, dependiendo de la duración de la helada. Para crecer exige un mínimo de temperaturas de 14 a 16 ºC. La temperatura óptima de crecimiento parece situarse en torno a los 30 ºC., con humedad relativa alta y buen aporte de agua.
    • 7. Método
      • Inicialmente obtuvo una base de datos utilizada que posee 3879 registros que corresponden a parcelas cultivadas con caña de azúcar. Las variables que los componen son 12 factores asociados al suelo, al clima y características agrícolas (pendiente del terreno, pedregosidad, rocosidad, salinidad, acidez del suelo, capacidad de intercambio catiónico, drenaje, compactación, precipitaciones, profundidad efectiva, agrupamiento agroproductivo del suelo y categoría de aptitud de la tierra).
      • Los datos del estudio proceden del Instituto Nacional de Investigaciones de la Caña de Azúcar (INICA), institución adjunta al Ministerio del Azúcar de Cuba, responsable de las investigaciones que desde 1999 se desarrollan para la diversificación de la agricultura cañera, tomando como base la evaluación de la aptitud física de las tierras cultivadas con este fin.
    • 8. Herramientas Empleadas
      • En el desarrollo de este estudio se utilizo la herramienta WEKA, la cual se encuentra disponible y de forma gratuita en internet.
      • WEKA es una colección de algoritmos los cuales son utilizados para el aprendizaje automático que son usados en las tareas de minería de datos. Estos algoritmos son aplicados directamente a un conjunto de datos obtenidos anteriormente o puede llamarse desde su propio código JAVA. con estos datos.
      • Dentro de las utilidades que contiene WEKA se encuentran la clasificación, regresión, reglas de asociación y una modulo para la visualización de resultados.
      • Durante el estudio esta herramienta fue usada para probar clasificadores los cuales se encontraban con distintos inductores.
    • 9.
      • Otra herramienta que fue utilizada en el desarrollo del proyecto fue MINESET, la cual fue desarrollada por Silicon Graphics Inc . Esta herramienta proporciona opciones visuales de minería de datos para la exploración de datos visualmente y de resultados de procesos de minería de datos, también permite usar visualizaciones en 3D lo cual permite el reconocimiento patrones y comparación de patrones.
      • En el proyecto esta herramienta fue utilizada para evaluar la clasificación de el árbol de decisiones, también se evaluó este clasificador con su gran capacidad visual y se utilizo . schema, el cual sirve para definir variables extras en el desarrollo del proyecto.
      Herramientas Empleadas
    • 10.  
    • 11. Implementación Algoritmo
      • Historia:
      • Al vecino más próximo es un método que se originó en las estadísticas. Se consideró la primera regla de producción creada por Fix y Hodges (1951), quien realizó un análisis inicial de los propiedades de los elementos k-más  cercanos al sistema, y estableció la consistencia del método como  k  varía de uno a infinito. También evaluado numéricamente la desempeño de vecino más  cercano-k  para muestras pequeñas, con los supuestos de estadísticas de distribución normal (Fix y Hodges, 1952). y ha sido ampliamente utilizada en el campo del reconocimiento de patrones desde 1963 (Kanal, 1963).
      El algoritmo Nnge es conocido como el algoritmo del vecino más cercano
    • 12.
      • ¿Cómo Funciona?
      • Supongamos que se tiene un objeto X que se quiere clasificar , y se tiene además un conjunto de datos de aprendizaje o entrenamiento (K), el cual consiste de una serie de objetos donde cada uno contiene su etiqueta correspondiente. El algoritmo lo que hará para clasificar al objeto X, es tomar del conjunto datos K el, estos K elementos son los K elementos del conjunto de entrenamiento que más se parecen a X. Se analizará cual etiqueta de los K elementos es la que se presenta con más frecuencia, y esta etiqueta será la que se le pondrá a X..
    • 13.
      • En resumen….
      • Este algoritmo funciona siguiendo un modelo basado en la memoria. La memoria guarda un conjunto de objetos ó instancias que forman parte del entrenamiento. Para cada uno de estos objetos, se sabe cual es su salida, esto es, los objetos están etiquetados. Cada ejemplo contiene un conjunto de valores independientes que producen un conjunto de salida dependiente de ellos.
      • Dado un conjunto nuevo de valores independientes se busca estimar mediante los k vecinos más cercanos, la salida de este. Esto se logra encontrando k ejemplos de entrenamiento, que en distancia estén más cercanos al objeto a clasificar, de allí el nombre k vecinos más cercanos.
    • 14. Resultados
      • En la siguiente grafica podemos comparar los resultados obtenidos por el simulador en el cual las X indican las parcelas de manera correcta con respecto a la variable profundidad efectiva, es decir los datos ingresados son los mas aptos para que en la parcela se cultive de la manera mas prospera y los rectángulos indican lo contrario, parcelas no aptas
    • 15. Conclusión
      • A través del uso de la minería de datos se encontró un clasificador de inducción de reglas que predijera los valores de la aptitud de las tierras para parcelas cultivadas con caña de azúcar. De esta forma se contribuye al proceso de toma de decisiones en la agricultura cañera. El uso de las herramientas informáticas WEKA y Mineset permitieron realizar un análisis amplio de los datos y de los resultados de su procesamiento.