Modelado prediccion enfermedades cultivos - edUTecNe ...
Modelado prediccion enfermedades cultivos - edUTecNe ...
Modelado prediccion enfermedades cultivos - edUTecNe ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Modelado</strong> para la predicción de <strong>enfermedades</strong> en <strong>cultivos</strong> de alto valor comercial<br />
comportamiento, no es accesible en su totalidad por su excesiva complejidad y<br />
magnitud, lo cual hace necesario una reducción mediante un enfoque más<br />
concreto sobre la base de cierto conjunto de datos y variables experimentales<br />
que conforman lo que se denomina trama experimental. Dicho sistema real se<br />
representa mediante un modelo base, igualmente complejo e inabordable,<br />
siendo necesario recurrir a un modelo simplificado que dé cuenta de la trama<br />
experimental concreta. El pasaje de un sistema a otro requiere de una<br />
simplificación que debe realizarse en forma sumamente cuidadosa y<br />
respetando ciertas reglas para no perder información durante dicho proceso.<br />
Finalmente, el sistema informático debe ser entendido en su sentido más<br />
amplio como sistema computacional, o sea, la suma de computadora, técnicas<br />
y teorías informáticas [Zeigler, 1976].<br />
El modelado no es un proceso lineal sino iterativo (Figura 16) en la mayoría de<br />
los casos. La realidad física o sistema real nos proporciona información<br />
experimental (datos observables). A partir de la elaboración de hipótesis,<br />
presupuestos, aproximaciones e incluso teorías, es posible abstraerse de la<br />
realidad y arribar a un modelo que la refleja o representa, el cual, luego de ser<br />
cuidadosamente desarrollado, analizado y estudiado permitirá la obtención de<br />
información teórica, la que será contrastada con la realidad experimental,<br />
cerrando el circuito. De dicha contrastación será posible conocer la bondad del<br />
modelo y exactitud de las hipótesis elaboradas. Si los resultados fueran<br />
negativos, será necesario replantear el modelo, total o parcialmente,<br />
dependiendo de los desvíos teóricos respecto de la realidad experimental. Este<br />
es el sentido en el que puede entenderse al modelado como proceso de<br />
retroalimentación a nivel de información [Papert, 1981]. Cuando el resultado de<br />
este proceso es positivo, las hipótesis de partida y los mecanismos postulados<br />
nos dan información acerca de la naturaleza y porqué del comportamiento del<br />
sistema en estudio.<br />
64