www.mercacei.com
Inteligencia artificial para predecir el precio del aceite de oliva

Inteligencia artificial para predecir el precio del aceite de oliva

jueves 29 de noviembre de 2018, 10:57h

Diego Hueltes, un ingeniero informático de Alcalá la Real (Jaén), ha desarrollado tres modelos de predicción del precio del aceite de oliva usando inteligencia artificial.

“Hay algoritmos de aprendizaje automático que aprenden sobre las fluctuaciones de precio pasadas que, junto a los datos meteorológicos y de producción, es capaz de hacer una estimación cercana a la realidad”, relata a Mercacei este ingeniero informático especializado en Big Data y Machine Learning, una rama de la inteligencia artificial que sirve, entre otras cosas, para crear modelos de predicción.

Y es que Hueltes quería realizar una investigación usando las últimas técnicas de inteligencia artificial y “se me ocurrió que este es un buen tema, relacionado con mi tierra y que ojalá en un futuro se pueda usar y sus beneficios repercutan en la provincia”.

Este ingeniero informático -que trabaja en Marbella (Málaga)- explica que existen factores externos que afectan y no se pueden predecir, pero cuando el precio depende únicamente de la producción, estos algoritmos son capaces de ver las relaciones ocultas entre las diferentes variables para generar su estimación.

En esta investigación, Hueltes ha creado varios modelos y uno de los “más interesantes” es un modelo de “Deep learning” que simula el comportamiento de las neuronas y el cerebro humano para aprender a predecir, en este caso, el precio del aceite de oliva virgen extra.

El ingeniero jiennense ha usado datos de la Junta de Andalucía sobre el precio del aceite en Jaén, de la Agencia Estatal de Meteorología (AEMET) y de producción del Ministerio de Agricultura, Pesca y Alimentación (MAPA).

En concreto, ha desarrollado tres modelos: uno que predice el precio en la semana siguiente, otro que predice el precio en cuatro semanas y otro que simplemente dice si el precio va a subir o bajar.

Según detalla, existe un 2,9% de error medio absoluto para la predicción a cuatro semanas; de un 0,9% de error para la predicción de la semana siguiente; y de un 76% de acierto en la predicción de la dirección del precio. Ese 76% de acierto ha sido testeado con el periodo comprendido entre julio de 2017 y julio de 2018, con un 40% de beneficio simulado anual.

“Al productor le puede aportar el beneficio de saber que va a pasar a corto plazo con el precio y así planificar la estrategia de ventas. También se podría utilizar para detectar anomalías o cambios de tendencia para poder reaccionar a tiempo ante cambios bruscos de precio”, añade.

Respecto a cómo se va a poder tener acceso a este modelo, Hueltes avanza que va a ser una publicación open source y gratuita que se podrá encontrar en su web www.hueltes.com, ya que “es una investigación científica que hago sin ánimo de lucro”.

El ingeniero jiennense presenta hoy por primera vez esta investigación en el congreso Big Data Congress Lithuania y también mañana viernes 30 de noviembre en el congreso Codemotion, realizado en Madrid.