Predicción del diámetro ponderado medio de las partículas del suelo en la vereda bajo tablazo del municipio de Manizales - Colombia

Vista sencilla de ítem
dc.contributor.advisorGonzález Veloza, José John Fredy
dc.contributor.authorMatta Morales, Alex Junior
dc.coverage.spatialManizales - Colombiaspa
dc.creator.emailajmattam@libertadores.edu.cospa
dc.date.accessioned2023-05-08T22:47:48Z
dc.date.available2023-05-08T22:47:48Z
dc.date.created2023
dc.descriptionLa estructura del suelo es el arreglo y la organización de las partículas que lo constituyen, su importancia radica en que permite establecer relaciones con la erosión y manejo en sistemas de conservación de suelos. Su evaluación en campo desde las características de tipo y clase, se complementan con la medición del grado de desarrollo que presenta, sin embargo, por causa de la cantidad y costo de las muestras, se hace necesario recurrir a métodos predictivos para su determinación y establecer una función de edafotransferencia. Se evaluaron cuatro modelos de regresión basados en aprendizaje supervisado de machine learning: Regresión Ridge, Regresión Lineal, Regresión Lasso y Árbol de Decisiones; para predecir el tamaño de partículas estructurales del suelo (Diámetro Ponderado medio en mm) a partir de propiedades obtenidas en campo junto con análisis químicos de suelos en la zona agrícola de la vereda Bajo Tablazo del municipio de Manizales - Colombia. Mediante el entrenamiento del conjunto de datos La Floresta con 15 variables entre físicas, químicas y biológicas; las métricas RMSE, MSE y R2 permitieron evaluar el desempeño de los modelos. El modelo de predicción entrenado se aplicó al conjunto de datos de la vereda Bajo Tablazo para obtener una predicción del DPM_mm. El valor de R2 indicó que los modelos no están explicando la varianza de la variable objetivo a partir de los predictores seleccionados. A pesar que la aplicación de modelos permite la obtención de valores de propiedades del suelo, en este caso no fue posible la obtención de esta relación. Posiblemente por la baja cantidad de registros y la no heterogeneidad de los datos, es decir se requiere información más diversa de diferentes lugares para que los modelos logren generalizar el comportamiento. También es posible que una mejor preparación de las variables sea necesaria, aquí solo se aplicó Log+1 para mejorar la escala de los valores.spa
dc.description.abstractSoil structure is the arrangement and organization of the particles that constitute it, its importance lies in the fact that it allows establishing relationships with erosion and management in soil conservation systems. Its evaluation in the field from the characteristics of type and class, are complemented with the measurement of the degree of development that it presents, however, due to the quantity and cost of the samples, it is necessary to resort to predictive methods for its determination and to establish a soil transfer function. Four regression models based on supervised machine learning were evaluated: Ridge Regression, Linear Regression, Lasso Regression and Decision Tree; to predict the size of soil structural particles (Mean Weighted Diameter in mm) from properties obtained in the field together with chemical analysis of soils in the agricultural zone of the Bajo Tablazo area of the municipality of Manizales - Colombia. By training the La Floresta data set with 15 physical, chemical and biological variables; the RMSE, MSE and R2 metrics allowed evaluating the performance of the models. The trained prediction model was applied to the Bajo Tablazo data set in order to obtain a prediction of the DPM_mm. The R2 value indicated that the models are not explaining the variance of the target variable from the selected predictors. Although the application of models allows obtaining values of soil properties, in this case it was not possible to obtain this relationship. Possibly due to the low number of records and the lack of heterogeneity of the data, i.e., more diverse information from different places is required for the models to be able to generalize the behavior. It is also possible that a better preparation of the variables is necessary, here only Log+1 was applied to improve the scale of the values.spa
dc.formatPDFspa
dc.identifier.urihttp://hdl.handle.net/11371/5798
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsOpenAccessspa
dc.subject.lembManejo de suelosspa
dc.subject.lembEstructura de suelosspa
dc.subject.lembSuelos - Filtraciónspa
dc.subject.lembSuelosspa
dc.subject.proposalAprendizaje supervisadospa
dc.subject.proposalModelo de regresiónspa
dc.subject.proposalEstructura del suelospa
dc.subject.proposalConservación de suelosspa
dc.subject.subjectenglishSupervised learningspa
dc.subject.subjectenglishRegression modelspa
dc.subject.subjectenglishSoil structurespa
dc.subject.subjectenglishSoil conservationspa
dc.titlePredicción del diámetro ponderado medio de las partículas del suelo en la vereda bajo tablazo del municipio de Manizales - Colombiaspa
dc.title.titleenglishPrediction of the average weighted diameter of soil particles in the village of bajo tablazo in the municipality of Manizales - Colombia.spa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Matta_Alex_2023.pdf
Tamaño:
964.8 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
2.59 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorizacion_Matta_Alex_2023.pdf
Tamaño:
146.96 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Especialización en Estadística Aplicada