Predicción de la producción de carne de vacuno, ovino y alpaca en la región Puno mediante modelos de red neuronal y Skforecast, periodo 2011 - 2022.

Abstract

Este estudio tuvo como objetivo obtener el mejor modelo de predicción de red neuronal recurrente LSTM (Long Short-Term Memory) y Skforecast para predecir la producción de carne de vacuno, ovino y alpaca en la región Puno en el periodo 2011 - 2022. La hipótesis de investigación plantea que el modelo de red neuronal recurrente LSTM presenta mejor desempeño que el Skforecast en la predicción de la producción de carne de vacuno, ovino y alpaca en la región de Puno, durante el periodo 2011 – 2022. Para el análisis, se utilizaron datos históricos correspondientes al periodo 2011 a 2022. A fin de optimizar la predicción, se compararon ambos enfoques empleando métricas de error como el Error Medio Absoluto (MAE), el Error Cuadrático Medio (MSE) y la Raíz del Error Cuadrático Medio (RMSE), así como el tiempo de ejecución de cada modelo. Esta evaluación permitió determinar cuál de los modelos resultó más eficiente para cada una de las especies pecuarias analizadas. Los resultados evidenciaron que la librería Skforecast, en combinación con el regresor Random Forest, superó el desempeño de las redes neuronales LSTM en todas las especies evaluadas, rechazando así la hipótesis planteada. Específicamente, para la predicción de la producción de carne de vacuno, Skforecast alcanzó un MAE de 0.01415, un MSE de 0.0035 y un RMSE de 0.0595; en ovino, los valores obtenidos fueron un MAE de 0.0221, un MSE de 0.0007 y un RMSE de 0.0276; mientras que, en alpaca, se lograron un MAE de 0.0176, un MSE de 0.0004 y un RMSE de 0.0215. En conclusión, la librería Skforecast demostró ser una herramienta robusta y eficiente para la predicción de la producción de carne en la región de Puno, al minimizar el margen de error en comparación con las redes neuronales recurrentes LSTM.