Pronóstico de las condiciones del ganado vacuno en cuba a través de modelos ARIMA
Contenido principal del artículo
Resumen
El objetivo de este trabajo se centró en la modelación para predecir las condiciones de los animales mediante el uso de series temporales para Cuba. El análisis se basó en el índice de temperatura y humedad (ITH) calculado a partir de los datos de 64 estaciones meteorológicas del país, agrupadas en tres regiones: oriente, centro y occidente. Se aplicaron los test de Dickey - Fuller y KPSS para identificar la estacional de las series. Se empleó el método Holt Winters de la familia de series temporales de suavizado exponencial. Los mejores modelos resultaron los correspondientes a la zona oriental (1,1, 2) (0, 0,1) 52 y (0,0,1)_(0,1,1)_12. Además, se realizó el análisis para la estación meteorológica La Piedra, Manicaragua, Villa Clara.
Descargas
La descarga de datos todavía no está disponible.
Detalles del artículo
Cómo citar
Domínguez-HurtadoI. M., & Soto-ValeroC. (2020). Pronóstico de las condiciones del ganado vacuno en cuba a través de modelos ARIMA. Revista Cubana De Meteorología, 26(2). Recuperado a partir de http://rcm.insmet.cu/index.php/rcm/article/view/512
Sección
Artículos Originales
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons 4.0 Reconocimiento-NoComercial que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista. Bajo esta licencia el autor será libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y crear a partir del material
- El licenciador no puede revocar estas libertades mientras cumpla con los términos de la licencia
Bajo las siguientes condiciones:
- Reconocimiento — Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
- NoComercial — No puede utilizar el material para una finalidad comercial.
- No hay restricciones adicionales — No puede aplicar términos legales o medidas tecnológicas que legalmente restrinjan realizar aquello que la licencia permite.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
La revista no se responsabiliza con las opiniones y conceptos emitidos en los trabajos, son de exclusiva responsabilidad de los autores. El Editor, con la asistencia del Comité de Editorial, se reserva el derecho de sugerir o solicitar modificaciones aconsejables o necesarias. La mención de marcas comerciales de equipos, instrumentos o materiales específicos obedece a propósitos de identificación, no existiendo ningún compromiso promocional con relación a los mismos, ni por los autores ni por el editor.
Citas
Aguilar Ramírez, M., 2006. Antecedentes: El equilibrio térmico y los parámetros ambientales. En: Control ambiental en alojamientos ganaderos de Navarra II. [En línea] Available at: http://www.itgganadero.com/itg/portal/documentos.asp?Id=181 [Último acceso: 2018 ].
Blaconá, M. T., 2018. Breve reseña de métodos de análisis y pronósticos probabilísticos en series de tiempo. [En línea] [Último acceso: 22 Agosto 2018 ].
Caraza Hernández, R. & Quintero Bermúdez, E., 1997. Elementos de climatología. En: Agrometeorología. Santa Clara: Universidad Central Marta Abreu de Las Villas. Publicaciones CDICT, pp. 295 - 351.
Cuenca Jiménez, N. J., Chavarro Miranda, F. & Díaz Gantiva, O. H., 2008. El sector de la ganadería bovina en Colombia. Aplicación de series de tiempo al inventario ganadero. Revista de la Facultad de Ciencias Económicas, XVI(1), pp. 165-177.
Deluyker, H. A. y otros, 1990. Modeling Daily Milk Yield in Holstein Cows Using Time Series Analysis. Journal of Dairy Science, pp. 539-548.
Domínguez-Hurtado, I. M., Moya-Álvarez, A. S. & Estrada-Moreno, A., 2010. Aplicación de la salida del modelo GFS/NCEP en la predicción agrometeorológica. Ingeniería Agrícola y Biosistemas, 2(1), pp. 13-19.
Guevara Viera, G. y otros, 2004. Efecto del cambio de precio de la leche sobre algunos indicadores de producción lechera y pronostico a corto plazo. Revista de Producción Animal, 16(2).
Hyndman, R. J., 2008. Automatic Time Series Forecasting: the forecast Package for R. Journal of Statistical Software.
Hyndman, R. J. & Athanasopoulos, G., 2013. The forecaster’s toolbox. En: Forecasting: principles and practices. s.l.:s.n., pp. 14-33.
Hyndman, R. J. & Athanasopoulos, G., 2018. Time series graphics. En: Forecasting: Principles and Practice. Segunda ed. s.l.:Monash University.
Moraes, I. M., s.f. Crecimiento, tecnología y competitividad en la ganadería uruguaya entre 1870-1930. [En línea] Available at: http://cdn.fee.tche.br/jornadas/1/s7a3.pdf [Último acceso: 2 Julio 2019 ].
Nienaber, J. A. & Hahn, G. L., 2007. Livestock production system management responses to thermal challenges. International Journal Biometeorology, Volumen 52, pp. 149-157.
Osés Rodríguez, R. y otros, 2017. Modelación y predicción de la fasciolosis en Villa Clara, Cuba. Biotempo, 14(1).
Pérez V, G. J., 2014. Los ciclos ganaderos en Colombia, 1950 - 2001. 46, p. 46.
R Core Team, 2018. R: A language and environment for statistical computing, Vienna: s.n.
Sánchez Molina, J. & Poveda Jaramillo, G., 2006. Aplicación de los métodos MARS, Holt - Winters y ARIMA generalizado en el pronóstico de los caudales medios mensuales en ríos de Antioquía. Meteorología Colombiana, Marzo, Issue 10, pp. 36-46.
Sánchez Suárez, L., 2013. Pronóstico de la producción de leche, mediante modelos ARIMA. Caso UBPC “Maniabo”, La Habana: s.n.
Blaconá, M. T., 2018. Breve reseña de métodos de análisis y pronósticos probabilísticos en series de tiempo. [En línea] [Último acceso: 22 Agosto 2018 ].
Caraza Hernández, R. & Quintero Bermúdez, E., 1997. Elementos de climatología. En: Agrometeorología. Santa Clara: Universidad Central Marta Abreu de Las Villas. Publicaciones CDICT, pp. 295 - 351.
Cuenca Jiménez, N. J., Chavarro Miranda, F. & Díaz Gantiva, O. H., 2008. El sector de la ganadería bovina en Colombia. Aplicación de series de tiempo al inventario ganadero. Revista de la Facultad de Ciencias Económicas, XVI(1), pp. 165-177.
Deluyker, H. A. y otros, 1990. Modeling Daily Milk Yield in Holstein Cows Using Time Series Analysis. Journal of Dairy Science, pp. 539-548.
Domínguez-Hurtado, I. M., Moya-Álvarez, A. S. & Estrada-Moreno, A., 2010. Aplicación de la salida del modelo GFS/NCEP en la predicción agrometeorológica. Ingeniería Agrícola y Biosistemas, 2(1), pp. 13-19.
Guevara Viera, G. y otros, 2004. Efecto del cambio de precio de la leche sobre algunos indicadores de producción lechera y pronostico a corto plazo. Revista de Producción Animal, 16(2).
Hyndman, R. J., 2008. Automatic Time Series Forecasting: the forecast Package for R. Journal of Statistical Software.
Hyndman, R. J. & Athanasopoulos, G., 2013. The forecaster’s toolbox. En: Forecasting: principles and practices. s.l.:s.n., pp. 14-33.
Hyndman, R. J. & Athanasopoulos, G., 2018. Time series graphics. En: Forecasting: Principles and Practice. Segunda ed. s.l.:Monash University.
Moraes, I. M., s.f. Crecimiento, tecnología y competitividad en la ganadería uruguaya entre 1870-1930. [En línea] Available at: http://cdn.fee.tche.br/jornadas/1/s7a3.pdf [Último acceso: 2 Julio 2019 ].
Nienaber, J. A. & Hahn, G. L., 2007. Livestock production system management responses to thermal challenges. International Journal Biometeorology, Volumen 52, pp. 149-157.
Osés Rodríguez, R. y otros, 2017. Modelación y predicción de la fasciolosis en Villa Clara, Cuba. Biotempo, 14(1).
Pérez V, G. J., 2014. Los ciclos ganaderos en Colombia, 1950 - 2001. 46, p. 46.
R Core Team, 2018. R: A language and environment for statistical computing, Vienna: s.n.
Sánchez Molina, J. & Poveda Jaramillo, G., 2006. Aplicación de los métodos MARS, Holt - Winters y ARIMA generalizado en el pronóstico de los caudales medios mensuales en ríos de Antioquía. Meteorología Colombiana, Marzo, Issue 10, pp. 36-46.
Sánchez Suárez, L., 2013. Pronóstico de la producción de leche, mediante modelos ARIMA. Caso UBPC “Maniabo”, La Habana: s.n.