Ejemplo de serie de tiempo: Variación de la temperatura promedio mensual en México durante el periodo: 1961 a 2018. Comparación de la producción forestal maderable acumulada entre los estados de México durante el periodo 1990-2017.
INTRODUCCIÓN GENERAL
- Objetivos
- Objetivo general
- Objetivos particulares
- Literatura citada
- Sector forestal
- Situación mundial
- Los bosques de México: pasado, presente y futuro
- Series de tiempo
- Características generales
- Tipos de series de tiempo
- Análisis univariado de series de tiempo
- Análisis multivariado de series de tiempo
- Métodos para proyectar series de tiempo
- Métodos estadísticos tradicionales
Estos cambios regulares en los valores de las series temporales cubren un período más largo, a diferencia de las series temporales con estacionalidad. Las proyecciones de series temporales son el significado práctico que se busca en la dependencia que existe entre observaciones (Box et al., 2016; Chatfield & Xing, 2019).
En las siguientes líneas se presentan los métodos estadísticos que son más representativos por su importancia en su uso y precisión, es decir, han sido utilizados por un número representativo de investigadores porque se obtienen proyecciones confiables y se calculan errores relativamente aceptables. Se consideró mantener el nombre en inglés de los métodos para su presentación genérica y en algunos casos se explica su significado en relación con su manejo.
Métodos combinados
Los métodos descritos en el capítulo 2.3.1 son las referencias básicas utilizadas para la obtención de proyecciones de series temporales, principalmente porque son métodos que han sido diseñados, implementados y probados durante varias décadas. A pesar de la ventaja en el uso a largo plazo que tienen los métodos estadísticos tradicionales, en sistemas complejos (donde se combinan métodos) se adaptan y en otros casos son reemplazados como los mejores métodos debido a su precisión en comparación con los métodos convencionales de aprendizaje automático. Este método es una media aritmética simple de los métodos SES, Holt y Damped y se utilizó como punto de referencia en la competencia M4 para evaluar todos los demás métodos utilizados (Makridakis et al., 2020).
Métodos de aprendizaje automático
Las redes neuronales artificiales (RNA) se crearon sobre la base de modelos matemáticos de las capacidades de procesamiento de información del cerebro biológico. Existen muchas variantes de RNA con diferentes características y propiedades, pero el ejemplo clásico es el perceptrón multicapa. Para obtener más información sobre la teoría de funcionamiento de RNN-LSTM, consulte el Capítulo cuatro.
Análisis bibliométrico en Scopus ®
Una de las variantes RNN más utilizadas en la proyección de series de tiempo son las redes “Long Short-Term Memory” (LSTM), esto se debe a que tienen los errores más bajos y se obtiene un buen rendimiento en los resultados de las proyecciones. Además, un tercio de los trabajos publicados se encuentran dentro del campo de la Informática o Ciencias de la Computación, seguido de la Ingeniería y las Matemáticas (Elsevier, 2020). Tipos de artículos publicados relacionados con RNN-LSTM en el pronóstico de series de tiempo.
Medidas de desempeño de la proyección
38 Las medidas de error de los métodos utilizados para obtener proyecciones nos permiten comparar y seleccionar el modelo con los ajustes y parámetros que mejor se ajustan al fenómeno investigado, y por tanto son útiles. Sin embargo, en casos complicados, como modelos no lineales o series temporales sin estacionalidad, tendencias o ciclos, es mejor seguir las indicaciones de Fethi Klabi (2014), que explica que: en general es más importante predecir la dirección de cambio de una serie temporal y no de sus datos reales, de modo que la obtención de este conocimiento permite a los agentes objetivo planificar un aumento o disminución de la demanda, contribuyendo así a mejorar la eficacia de sus acciones. Es decir, si los resultados obtenidos no son los esperados, debido a los valores altos en las mediciones de desempeño, tienes dos opciones: a) probar otros métodos hasta encontrar el adecuado al fenómeno que estás investigando, o b) trabajar con que las predicciones sean relativamente aceptables y orienten la toma de decisiones para lograr una planificación con objetivos más realistas. Por tanto, si no se intenta hacer predicciones, no habrá visión del posible futuro de la variable y su estudio o gestión sería incompleta.
Literatura citada
Recuperado el 8 de abril de 2020 de https://www.coneval.org.mx/Medicion/MP/Documents/Pobreza_18/Pobreza_2018_CONEVAL.pdf. Obtenido el 3 de enero de 2019 de https://cran.r-project.org/web/packages/forecast/index.html. A nivel global, el continente americano es el que tiene la mayor superficie forestal, especialmente: Brasil, Canadá y Estados Unidos.
Resumen
El análisis de bases de datos del sector forestal es útil para describir el panorama actual del sector en cuestión. Objetivos: Realizar análisis de datos del sector forestal en México y en el mundo utilizando bases de datos y programas estadísticos para describir el panorama actual de los bosques y el MFS. Materiales y métodos: Los datos anuales de variables seleccionadas se descargaron de bases de datos, anuarios e inventarios del sector forestal en México y el mundo.
Introducción
de las condiciones y usos de los bosques del mundo para proporcionar la base para evaluar, desarrollar y hacer cumplir políticas, leyes y técnicas multifuncionales de gestión forestal que respondan a los problemas forestales (FAO, 2019b; Wear & Greis, 2013). La deforestación, la degradación y la expansión forestal son algunos de los parámetros que deben abordarse en el análisis de datos para que estos estudios puedan utilizarse para gestionar eficientemente las áreas forestales del mundo. Por lo tanto, el objetivo de este trabajo de investigación es generar el análisis de datos del sector forestal en México y el mundo con bases de datos y programas estadísticos para brindar una visión general de los bosques y el uso de un MFS.
Materiales y métodos
48 2016) de las condiciones y usos de los bosques del mundo para proporcionar la base que permita la evaluación, el desarrollo y la aplicación de políticas, leyes y técnicas de gestión forestal multifuncionales que respondan a los problemas forestales (FAO, 2019b; Wear & Greis, 2013 ). La FAO (2016) señala que es crucial que la información sobre los recursos forestales también esté actualizada y sea confiable para apoyar la toma de decisiones, focalizar las inversiones, formular políticas ambientales, desarrollar el sector forestal, y Siry et al. 2018) explican que estos datos sirvan para evaluar las preocupaciones actuales sobre las tendencias en los criterios e indicadores forestales. Después de la presentación de los datos, se realizó el análisis de cada variable del estudio.
Resultados y discusión
- Situación actual de los bosques del mundo
- Pasado y presente del sector forestal de México
Los diez principales países con superficie forestal designada para la conservación de la biodiversidad en 2015. En el caso del promedio anual de producción forestal maderable en México, en el periodo de 1986 a 2017, esta se calculó en 7.2 millones de metros cúbicos de madera en rollo (m3r). El Estado de México y la Ciudad de México captaron la mitad de la producción total, con 1.2 y 0.9 millones de toneladas respectivamente en el periodo de estudio (SEMARNAT, 2019b).
Conclusiones
75 en relación al PIB, con un promedio anual de 17,7 mil millones (Instituto Nacional de Estadística y Geografía [INEGI], 2019). 76 Se observó que los países con un MFS se caracterizan por beneficiar a los productores forestales a medida que aumentan las ganancias económicas y mejoran los servicios ambientales. Por lo que se necesitan estudios más sistemáticos para actualizar la información periódica y con ello generar informes con el panorama más actual de los bosques de México y el mundo.
Literatura citada
El futuro del análisis de bases de datos en el sector forestal estará determinado por los avances en la tecnología y los métodos para evaluar, evaluar, generar y analizar una gran cantidad de nueva información y otras variables que se pueden describir, como: incendios, cambio climático, plantas invasoras. , plagas y enfermedades. Recuperado el 25 de noviembre de 2019 de https://datos.gob.mx/busca/dataset/indicadores-basicos-del-desempeno-environmental--recursos-forestales. Es necesario desarrollar sistemas de manejo forestal sustentable en cada región de México para reducir el deterioro de los recursos forestales.
Resumen
Aplicación de redes neuronales recurrentes LSTM de aprendizaje profundo en proyecciones del sector forestal de México. Objetivos: Proyectar las tendencias de las principales variables del sector forestal en México hasta el año 2100, utilizando bases de datos e inteligencia artificial, para guiar la toma de decisiones. Conclusión: Es posible proyectar la ST a escala nacional de la actividad forestal en México hasta el año 2100, utilizando inteligencia artificial y la técnica propuesta: ciclos de entrenamiento-proyección.
Introducción
En el mismo año, la importación de madera forestal (MIV) se estimó en más de 5 mil m3. RNN-LSTM se ha aplicado en numerosas áreas que requieren reconocimiento de patrones y aprendizaje automático (Schmidhuber, 2015), además, es muy popular en la proyección ST del mercado financiero (Fischer & Krauss, 2018), pero para el sector mundial. Sólo se encuentran bosques. 85 un trabajo que utilizó este tipo de red neuronal para predecir la extensión de los incendios forestales en Alberta, Canadá (Liang, Zhang, & Wang, 2019) y, en el caso de México, no hay ninguna investigación publicada que analice las variables del proyecto mexicano. sector forestal con el uso de inteligencia artificial.
Materiales y métodos
- Datos
- Software y hardware
- RNN-LSTM: diseño y funcionamiento
- RNN-DLSTM: Arquitectura y parámetros generales utilizados
- Ciclos de entrenamiento-proyección
- Describir las proyecciones
La función no lineal elegida y la arquitectura RNN dependen de la naturaleza del problema y determinan cómo fluye la información. Las salidas del bloque se conectan repetidamente a las entradas y puertas del bloque y a otros bloques en las capas profundas de la red. El entrenamiento de los RNN de DLSTM se basa en el 𝑥𝑡 del ST que ocurre en una salida temporal deseada (ℎ̂𝑡).
Resultados
- Desempeño de las proyecciones
- Proyecciones de las variables al 2100
En cada una de las cuatro variables del estudio ST se presentan intervalos de confianza (IC) al 80 y 99%, que permiten describir los posibles futuros o escenarios que se pueden obtener como resultado para el año 2100. 94 es el escenario “negativo” en el cual la SFA disminuye significativamente hasta haber una pérdida de más de 16 mha en 2100, y el segundo escenario de esta proyección es “beneficioso”, que registrará un aumento de 2 mha para 2100 (Figura 41).95 En el caso de ST IFM, se encontró que su característica es que no muestra tendencias, estacionalidad ni ciclos.
Discusión
El resto del área forestal muestra vegetación primaria (69%), vegetación que no presenta signos de perturbación. Además, estos factores limitan el desarrollo de este sector, especialmente cuando hay una insuficiente implementación de políticas públicas nacionales e internacionales (Santana et al., 2020), los recursos están sobreexplotados debido a la demanda de una población mundial en crecimiento (ver estimación 705 mil personas /año en México de 2020 a 2060 y 39 millones de personas/año en el mundo de 2020 a 2100; Organización de las Naciones Unidas [ONU], 2019) y continúa el aumento en el número de personas en situaciones. de la inseguridad alimentaria a nivel nacional, regional y mundial (FAO, 2019b). El valor calculado para el área de producción maderera y no maderera fue de 1.150 mha, el equivalente a un tercio de todos los bosques del mundo (FAO, 2020).
Conclusiones
102 empleo y son esenciales para la seguridad alimentaria de la humanidad, además de albergar gran parte de la biodiversidad (FAO.
Literatura citada
El estado de la seguridad alimentaria y la nutrición en el mundo 2019: proteger contra una economía que se desacelera y se debilita [pdf]. El estudio del sector forestal en México y el mundo reveló incertidumbre en la pérdida de área forestal y degradación de los bosques del mundo por acciones antropogénicas en los países en desarrollo, con un alto índice de pobreza. Hasta el año 2100, se estima que la pérdida de superficie forestal boscosa continuará, hasta alcanzar una pérdida estimada de unos 6 millones de hectáreas, si se sigue la tendencia observada en los datos históricos desde 1990 y, en particular, si se mantiene la misma Las acciones antropogénicas continúan.
