Prognosis of the conditions of cattle livestock in Cuba through ARIMA models
Main Article Content
Abstract
The objective of this work was focused on modeling to predict animal conditions through the use of time series for Cuba. The analysis was based on the temperature and humidity index (ITH) calculated from the data of 64 meteorological stations of the country, grouped into three regions: east, center and west. Dickey - Fuller and KPSS tests were applied to identify the seasonal series. Holt Winters method of the family of time series of exponential smoothing was used. The best models were those corresponding to the eastern zone (1,1, 2) (0,0,1) 52 and (0,0,1) (0,1,1) 12. In addition, the analysis was carried out for a La Piedra weather station (Manicaragua, Villa Clara, Cuba).
Downloads
Download data is not yet available.
Article Details
How to Cite
Domínguez-HurtadoI. M., & Soto-ValeroC. (2020). Prognosis of the conditions of cattle livestock in Cuba through ARIMA models. Revista Cubana De Meteorología, 26(2). Retrieved from http://rcm.insmet.cu/index.php/rcm/article/view/512
Section
Original Articles
Those authors who have publications with this journal accept the following terms of the License Attribution-NonCommercial 4.0 International (CC BY-NC 4.0):
You are free to:
- Share — copy and redistribute the material in any medium or format
- Adapt — remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
- Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- NonCommercial — You may not use the material for commercial purposes.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
The journal is not responsible for the opinions and concepts expressed in the works, they are the sole responsibility of the authors. The Editor, with the assistance of the Editorial Committee, reserves the right to suggest or request advisable or necessary modifications. They are accepted to publish original scientific papers, research results of interest that have not been published or sent to another journal for the same purpose.
The mention of trademarks of equipment, instruments or specific materials is for identification purposes, and there is no promotional commitment in relation to them, neither by the authors nor by the publisher.
References
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.