Modelos predictivos para la estimación de oferta de fresas en Cundinamarca: un enfoque comparativo con aprendizaje automático y regresión

Resumen

El cultivo de fresas en Cundinamarca representa una actividad agrícola clave con alto impacto económico regional. Este estudio tiene como objetivo evaluar y comparar diferentes modelos de pronostico para estimar la oferta futura de fresas, considerando variables como área sembrada, rendimiento y producción. Para ello, se aplicaron métodos de series de tiempo (Suavización exponencial Holt y Brown), el algoritmo AdaBoost y un modelo de regresión lineal múltiple, empleando datos históricos del Ministerio de Agricultura y Agronet. Los resultados obtenidos indican que el modelo de regresión lineal múltiple es el modelo con mejor desempeño, obteniendo un coeficiente de determinación de 0,9947 y superando en precisión a los métodos de series de tiempo, los cuales presentaron errores promedio superiores al 17%. Las pruebas de normalidad y homocedasticidad validaron estadísticamente la robustez del modelo.Se concluye que el modelo propuesto proporciona una herramienta efectiva para la planificación agrícola en Cundinamarca, al permitir proyectar incrementos en la producción asociados al aumento de área cultivada y del rendimiento por hectárea. Se recomienda para futuras investigaciones, integrar variables climáticas y políticas agrícolas para mejorar la precisión de los pronósticos.