EXPLORACIÓN DEL FILTRO DE KALMAN COMO HERRAMIENTA DE PREDICCIÓN EN LA COSECHA DE BRÓCOLI (EXPLORATION OF THE KALMAN FILTER AS A PREDICTION TOOL IN THE BROCCOLI HARVEST)

Resumen

Resumen
En este trabajo se propone la aplicación del Filtro de Kalman (FK) en Python, como herramienta de pronóstico en la estimación del rendimiento de producción de brócoli, en una granja agrícola local en Aguascalientes, México. La aplicación del FK se realiza en dos etapas recursivas, estimación y actualización, a partir de la existencia de un modelo lineal generalizado que describe el rendimiento de brócoli, obtenido previamente. El modelo utilizado para tal efecto es un modelo econométrico del tipo Vectorial Autorregresivo (VAR) y las variables que lo describen son meteorológicas. El brócoli convencional representa el principal producto de la finca agrícola con el 39% de la producción total de la granja agrícola en Aguascalientes, México. El objetivo de la previsión es mejorar la planificación, logística y administración de los recursos, humanos y materiales, disponibles para llevar a cabo esta tarea.
El FK es una herramienta matemática para la estimación estocástica a partir de observaciones con ruido. Esta herramienta recursiva, recibió su nombre de Rudolph E. Kalman, quien en 1960 describió la solución recursiva al problema del filtrado lineal de datos discretos. El FK está compuesto por un sistema de ecuaciones que describen un estimador del tipo estimación-corrección. Este estimador es óptimo ya que minimiza la covarianza del error estimado, siempre que cumpla con ciertas condiciones específicas. Desde su aparición, el FK ha sido objeto de múltiples investigaciones y aplicaciones.
Palabras Clave: Agricultura de precisión, Filtro de Kalman, Producción agrícola.

Abstract
In this work, the application of the Kalman Filter (KF) in the Python programming language is proposed, as a forecasting tool in the estimation of broccoli production yield, in a local agricultural farm in Aguascalientes, Mexico. The application of the KF is carried out in two recursive stages, estimation and updating, based on the existence of a generalized linear model that describes the yield of broccoli, previously obtained. The model used for this purpose is an econometric model of the Vector Autoregressive (VAR) type and the variables that describe it are meteorological. Conventional broccoli represents the main product of the agricultural farm with 39% of the total production. The objective of the forecast is to improve the planning, logistics and administration of the resources, human and material, available to carry out this task.
The Kalman Filter is a mathematical tool for stochastic estimation from observations obtained from a noisy sensor. This recursive tool was named after Rudolph E. Kalman, who in 1960 described the recursive solution to the problem of linear filtering of discrete data. The FK is made up of a system of equations that describe an estimator of the estimation-correction type. This estimator is optimal since it minimizes the covariance of the estimated error, as long as it meets certain specific conditions.
Keywords: Kalman Filter; Crop Yield; Agriculture automation.