Resumen La corrosión es un problema recurrente en la industria del gas natural, debido a la presencia de gases corrosivos como el CO2 y el H2S que en presencia de agua pueden atacar el acero y producir daños y fugas que generen accidentes y contaminación, es por ello que la predicción de la tendencia del gas natural hacia la corrosión es fundamental para desarrollar estrategias de inhibición y mitigación de este proceso. El objetivo del estudio fue desarrollar una Red Neuronal Artificial (RNA) entrenada con datos de composición de muestras de gas natural para predecir la tendencia corrosiva, como método alternativo que pueda ser utilizado como una herramienta predictiva eficiente. La RNA se entrenó con una muestra de 46 gases naturales y 11 componentes por cada una, además de la presión y la temperatura como condiciones operacionales, lo que representa un total de 598 datos de entrenamiento de la RNA, además se utilizaron 8 muestras adicionales para la validación externa del modelo. La RNA que desarrolló fue dentro de los principios de la estadística Bayesiana, con una arquitectura de Perceptrón Multicapa. Se obtuvo que la RNA es capaz de clasificar correctamente el 95,65% de la tendencia corrosiva de las muestras, siendo aquellas con tendencia no corrosiva las que presentaron el menor porcentaje de predicción (75%). La predicción de las muestras externas siguió la tendencia esperada, con menor capacidad para clasificar a las no corrosivas, y las muestras con posible corrosión y corrosivas fueron predichas en 80%. Se concluye que la RNA es una herramienta eficiente para la predicción de la tendencia corrosiva del gas natural en presencia de CO2 y su efectividad depende de que se utilicen muestras con todos los componentes necesarios para entrenar la misma, además puede ser mejorada al introducir otros parámetros como la cantidad de agua presente.

Abstract Corrosion is a recurrent problem in the natural gas industry, due to the presence of corrosive gases such as CO2 and H2S that in the presence of water can attack steel and produce damages and leaks that generate accidents and contamination, that is why the prediction of the tendency of natural gas towards corrosion is essential to develop strategies to inhibit and mitigate this process. The objective of the study was to develop an Artificial Neural Network (ANN) trained with composition data of natural gas samples to predict the corrosive tendency, as an alternative method that can be used as an efficient predictive tool. The ANN was trained with a sample of 46 natural gases and 11 components for each one, in addition to pressure and temperature as operational conditions, representing a total of 598 training data of the ANN, also 8 additional samples were used for external validation of the model. The ANN that developed was within the principles of Bayesian statistics, with a Multilayer Perceptron architecture. It was obtained that the ANN is able to correctly classify 95.65% of the corrosive tendency of the samples, being those with non-corrosive tendency the ones that presented the lowest prediction percentage (75%). The prediction of the external samples followed the expected trend, with lower capacity to classify the non-corrosive ones, and the samples with possible corrosion and corrosive were predicted in 80%. It is concluded that ANN is an efficient tool for predicting the corrosive tendency of natural gas in the presence of CO2 and its effectiveness depends on using samples with all the necessary components to train it, and it can be improved by introducing other parameters such as the amount of water present.

Resumen: El objetivo de este estudio es evaluar el efecto de la atmósfera, definida como el diseño consciente del ambiente de la tienda para crear ciertas respuestas en los compradores, en los valores de compra, la actitud hacia la compra y las emociones sobre la intención de recompra en una tienda online, basado en el modelo Estímulo-Organismo-Respuesta (S-O-R, por sus siglas en inglés). Aunque estos elementos han sido estudiados ampliamente en el contexto de tiendas físicas, artículos recientes que analizan la influencia de estos elementos en el ambiente online muestran la relevancia de estudios como este en investigaciones académicas actuales de mercadeo. Los resultados de una encuesta realizada a 306 usuarios de una tienda farmacéutica online, residentes de Venezuela y otros países de América Latina, se analizaron usando ecuaciones estructurales. Los hallazgos permiten concluir que el uso del modelo S-O-R es apropiado en la predicción del comportamiento de compra online, y confirman que el valor de compra hedónico tiene un impacto directo significativo tanto en la actitud hacia las compras como en la compra emocional. Por otra parte, el valor de compra utilitario afecta negativamente la compra emocional y el factor informático favorece la actitud hacia las compras. Por último, la actitud hacia las compras y la compra emocional predicen la intención de recompra. Se discuten las implicaciones para los especialistas en marketing.

Abstract: The objective of this study was to evaluate the effect of the online store atmosphere, shopping values, attitude toward online shopping and emotions on the repurchase intention in an online store, based on the Stimulus-Organism-Response model (S-O-R). Although these elements have been studied in the context of brick-and-mortar stores, recent articles that analyze the influence of these elements in the online environment demonstrate the relevance of this study in current marketing research. The results of an online survey conducted with 306 users of an online pharmaceutical store, which included residents of Venezuela and of other Latin American countries, were analyzed using structural equations, evaluating both the measurement model and the relationship model. The findings allow us to conclude that the use of the S-O-R model is appropriate in predicting online purchase behavior, having achieved an adequate fit, and confirm that the hedonic purchase value has a significant direct impact on both the attitude toward online shopping and the emotional purchase. On the other hand, the utilitarian purchase value negatively affects the emotional purchase and the computer factor favors the attitude toward online purchase. Finally, the attitude toward online shopping and the emotional purchase predicts the repurchase intention. Implications for marketers are discussed.

ABSTRACT Soil compaction due to agricultural machinery traffic is a threat to soil productivity and soil ecological functions. The prediction of soil stresses and compaction that soil bear during the harvest and transport are fundamental indications in the prevention strategies and remediation of the soil compaction. The objective of this research was to predict soil compaction caused by harvesters and transport equipment during sugarcane harvest on soft soil. Machinery traffic was simulated using the TASC V3.0 model, Module 1 "Stress Propagation and Soil Damage" was used. The machine system used for harvest sugarcane were formed by harvesters CASE IH 8800, and tipping tows 7CX (SC)-10 pulling by tractors YTO 1608 or XTZ 150K-09. Parameters from machinery and soil are introducing as data. The use of modelling TASC V3.0 permitted to predict soil compaction caused by harvesters and transport equipment during sugarcane harvest on soft soil. More severe soil compaction was obtained during use of tipping tow 7CX (SC)-10 due to high mean contact pressure and high tire load, which caused severe soil compaction until a depth of 0.37 m. Rear tire of tractor YTO 1604 caused severe soil compaction too reaching 0.31 m of depth. In general sense all equipment caused severe soil compaction in tillage layer, therefore must be make decompactions works with the objective to loose soil in depth for a good developed of sugarcane ratoons.

RESUMEN La compactación del suelo debido al tráfico de maquinaria agrícola es una amenaza para la productividad y las funciones ecológicas del suelo. La predicción de los esfuerzos del suelo y la compactación que soporta el suelo durante la cosecha y el transporte son indicaciones fundamentales en las estrategias de prevención y remediación de la compactación del suelo. El objetivo de esta investigación fue predecir la compactación del suelo causada por cosechadoras y equipos de transporte durante la cosecha de caña de azúcar en suelos blandos. El tráfico de maquinaria se simuló utilizando el modelo TASC V3.0, se utilizó el Módulo 1 “Propagación de Esfuerzos y Daño al Suelo”. El sistema de máquinas utilizado para la cosecha de caña de azúcar estuvo formado por cosechadoras CASE IH 8800, y remolques basculantes 7CX (SC)-10 tirados por tractores YTO 1608 o XTZ 150K-09. Se introducen como datos parámetros de maquinaria y suelo. El uso del modelado TASC V3.0 permitió predecir la compactación del suelo causada por cosechadoras y equipos de transporte durante la cosecha de caña de azúcar en suelos blandos. Se obtuvo una compactación del suelo más severa durante el uso del remolque basculante 7CX (SC)-10 debido a la alta presión media de contacto y la alta carga de los neumáticos, lo que provocó una compactación severa del suelo hasta una profundidad de 0,37 m. El neumático trasero del tractor YTO 1604 provocó una fuerte compactación del suelo alcanzando 0,31 m de profundidad. En sentido general todos los equipos ocasionaron una severa compactación del suelo en la capa de labranza, por lo que se deben realizar trabajos de descompactación con el objetivo de aflojar el suelo en profundidad hasta 0.37 m para un buen desarrollo de los retoños de caña de azúcar.

RESUMEN: El presente estudio tuvo como objetivo investigar la utilidad del fémur proximal en la estimación forense de la edad mediante la evaluación de cambios en las densidades óseas a través de radiografías. Utilizando el umbral de Otsu, la densidad ósea se cuantificó contando todos los valores de pixeles blancos dentro de regiones de interés seleccionadas, que incluyen la cabeza femoral (CF), el cuello femoral (CF), el triángulo de Ward (WT) y el trocánter mayor (TM) de 354 fémures izquierdos de ascendencia del norte de Tailandia. También se estimó el ancho de pixeles de la cavidad medular (CM). Además, el estudio evaluó el rendimiento de modelos de regresión lineal (RL) para la estimación de la edad a partir de imágenes radiográficas de fémur proximal. Se observaron correlaciones negativas entre la intensidad de los pixeles CF, CF, WT y TM con la edad de muerte, y las mujeres exhibieron correlaciones más fuertes que los hombres. Además, se encontró una correlación positiva entre la edad y el ancho del CM en muestras de mujeres, mientras que el ancho del CM del hombre no mostró ninguna relación con el aumento de la edad. Los resultados mostraron una ligera diferencia entre el modelo RL aplicado a ambos sexos, que integraba todas las variables, y la configuración alternativa que sólo utilizaba atributos relevantes. Ambos modelos mostraron un rendimiento similar, con un rango estrecho de valores del error cuadrático medio (RMSE), que oscilaba entre 12,67 y 12,71 años, y un rango de coeficiente de correlación de 0,51 a 0,52. Para las mujeres, el modelo RL con CF y WT como atributos seleccionados (RMSE = 11,85 años, coeficiente de correlación = 0,65) tuvo un desempeño satisfactorio, mientras que para los hombres, el modelo RL con todas las variables mostró un RMSE de 12,52 años y un coeficiente de correlación de 0,46. Este estudio mostró la posible aplicación de la intensidad de los pixeles en la predicción de la edad.

SUMMARY: The present study aimed to investigate the utility of the proximal femur in the forensic age estimation by assessing changes in bone densities through radiographs. Using Otsu’s threshold, bone density was quantified by counting all white pixel values within selected regions of interest, which include femoral head (FH), femoral neck (FN), Ward’s triangle (WT), and greater trochanter (GT) from 354 left femora of Northern Thai descent. The pixel width of medullary cavity (MC) was also estimated. Furthermore, the study evaluated the performance of linear regression (LR) models for age estimation from radiographic images of proximal femora. Negative correlations were observed between FH, FN, WT, and GT pixel intensity with the age-at-death of the samples, with females exhibiting stronger correlations than males. Moreover, a positive correlation was found between age and MC width in female samples, while male MC widths did not show any relationship with increasing age. The results showed a slight difference between the LR model applied to both sexes, which integrated all variables, and the alternative configuration that only utilized relevant attributes. Both models exhibited similar performance, with a narrow range of root mean square error (RMSE) values, ranging from 12.67 to 12.71 years, and a correlation coefficient range of 0.51 to 0.52. For females, the LR model with FN and WT as selected attributes (RMSE = 11.85 years, correlation coefficient = 0.65) performed decently, while for males, the LR model with all variables showed RMSE of 12.52 years and correlation coefficient of 0.46. This study showcased the potential application of pixel intensity in predicting age.

RESUMEN: Para diagnosticar el Síndrome Apnea Obstructiva del Sueño (SAOS) se utiliza la polisomnografía, el cual es un costoso y extenso estudio que exige que el paciente duerma en un laboratorio. El SAOS ha sido asociado con características de la morfología facial y mediante un modelo predictivo de la Inteligencia Artificial (IA), se podría realizar un diagnóstico preliminar. El objetivo de este estudio fue analizar por medio de una revisión de alcance, las opciones tecnológicas basadas en IA aplicadas al diagnóstico del SAOS, y los parámetros evaluados en dichos análisis en las estructuras craneofaciales. Se realizó una búsqueda sistemática de la literatura hasta febrero del 2024 y mediante criterios de inclusión y exclusión se determino los estudios a analizar. Los títulos y resúmenes fueron seleccionados de forma independiente por dos investigadores. Se seleccionaron 14 estudios, incluyeron un total de 13.293 sujetos analizados. El rango edad de la muestra oscilo entre 18 y 90 años. 9.912 (74.56 %) sujetos eran de sexo masculino y 3.381 (25,43 %) eran de sexo femenino. Los estudios incluidos presentaron diagnóstico de SAOS mediante polisomnografía, siete estudios presentaron un grupo control de sujetos con ausencia de SAOS y otro grupo con presencia de SAOS. Mientras que los demás estudios, presentaron grupos de SAOS en relación con su severidad. Todos los estudios tuvieron una precisión media del 80 % en la predicción de SAOS utilizando variables como la edad, el género, mediciones y/o mediciones imagenológicas. no existen exámenes previos al diagnóstico por polisomnografía que permitan orientar al usuario en la probable presencia de SAOS. En este sentido, existen factores de riesgo para desarrollar SAOS vinculados a la forma facial, la obesidad, la edad y otras condiciones, que sumados a los avances con IA para diagnóstico y orientación en SAOS podrían ser utilizados para la detección precoz del mismo.

SUMMARY: To diagnose obstructive sleep apnea syndrome (OSAS), polysomnography is used, an expensive and extensive study requiring the patient to sleep in a laboratory. OSAS has been associated with features of facial morphology, and a preliminary diagnosis could be made using an artificial intelligence (AI) predictive model. This study aimed to analyze, using a scoping review, the AI-based technological options applied to diagnosing OSAS and the parameters evaluated in such analyses on craniofacial structures. A systematic search of the literature was carried out up to February 2024, and, using inclusion and exclusion criteria, the studies to be analyzed were determined. Titles and abstracts were independently selected by two researchers. Fourteen studies were selected, including a total of 13,293 subjects analyzed. The age of the sample ranged from 18 to 90 years. 9,912 (74.56 %) subjects were male, and 3,381 (25.43 %) were female. The included studies presented a diagnosis of OSAS by polysomnography; seven presented a control group of subjects without OSAS and another group with OSAS. The remaining studies presented OSAS groups in relation to their severity. All studies had a mean accuracy of 80 % in predicting OSAS using variables such as age, gender, measurements, and/or imaging measurements. There are no tests before diagnosis by polysomnography to guide the user in the likely presence of OSAS. In this sense, there are risk factors for developing OSA linked to facial shape, obesity, age, and other conditions, which, together with the advances in AI for diagnosis and guidance in OSAS, could be used for early detection.

Abstract: The primary objectives of this research study are to provide a detailed description of machine learning (ML) technology when applied to assessing innovation and to design a model that allows predicting an institution’s degree of innovation. Machine learning technology lacks assumptions or preconceptions and is capable of processing a large amount of data and variables. After data processing, the ML model is built using variables associated with educational context, training is performed, and a web is built to predict the degree of innovation of an educational institution. This model provides an innovation accuracy prediction of 66% and allows assessing the influence of the variables analyzed when predicting the use of active methodologies at a given institution. In conclusion, this approach can open new data analysis techniques supported by ML that complement traditional statistically based approaches.

Resumen: Los principales objetivos de esta investigación son proporcionar una descripción detallada de la tecnología de aprendizaje automático (ML, por sus siglas en inglés) aplicada a la medición de la innovación y diseñar un modelo que permita predecir el grado de innovación en una determinada institución. La tecnología ML carece de suposiciones o preconcepciones y es capaz de procesar una gran cantidad de datos y variables. Tras procesar los datos, se construye el modelo ML empleando variables asociadas al contexto educativo, se realiza el entrenamiento y se construye una web para predecir el grado de innovación de una institución educativa. El modelo proporciona una precisión del 66% en la predicción de la innovación y permite discutir la influencia de las variables analizadas a la hora de predecir el uso de metodologías activas en una institución. En conclusión, este enfoque puede abrir nuevas técnicas de análisis de datos apoyadas en ML que complementen los enfoques tradicionales basados en la estadística.

Abstract This study presents a Systematic Literature Review (SLR) on artificial intelligence (AI) techniques applied to electric power prediction. The specialized databases employed in this review are Scopus, IEEE, ACM, and Google Scholar. This analysis provided a perspective on the artificial intelligence techniques utilized in this field, facilitating the identification of current and emerging trends. This offers a clear understanding of upcoming opportunities to enhance accuracy in electric power prediction and decision-making. A notable finding of this review was the predominant usage of Artificial Neural Networks (ANN) as the most prevalent technique in Machine Learning applied to electric power prediction. This preference is justified by the inherent ability of ANN to identify complex patterns and relationships in data, making them a valuable tool for electric power prediction. Additionally, the importance of essential factors in electric power prediction is highlighted, such as the significance of collecting relevant and representative data, encompassing historical and contextual information. Data preprocessing, which involves cleaning and transforming collected data to adequately prepare them for analysis and modeling, and data splitting, crucial for avoiding biases and accurately evaluating the predictive capability of the model, are also emphasized.

Resumen Este estudio presenta una Revisión Sistemática de la Literatura (RSL) sobre las técnicas de inteligencia artificial (IA) aplicadas para la predicción de energía eléctrica. Las bases de datos especializadas que se emplearon en esta revisión son Scopus, IEEE, ACM y Google Scholar. Este análisis ofreció una perspectiva sobre las técnicas de inteligencia artificial utilizadas en este campo, lo que facilitó la identificación de las tendencias presentes y en desarrollo. Esto proporciona una comprensión clara de las oportunidades venideras para mejorar la precisión en la predicción de la energía eléctrica y, en consecuencia, en la toma de decisiones. Un hallazgo destacado de esta revisión fue el predominio del uso de redes neuronales artificiales (RNA) como la técnica más prevalente dentro del campo de Machine Learning aplicado a la predicción de energía eléctrica. Esta preferencia se justifica por la capacidad inherente de las RNA para identificar patrones complejos y relaciones en los datos, lo que las convierte en una herramienta valiosa para la predicción de energía eléctrica. Además, se destaca la importancia de varios factores fundamentales en la predicción de energía eléctrica, como la importancia de recolectar datos relevantes y representativos, que abarquen tanto información histórica como contextual. El preprocesamiento de datos, el cual implica la limpieza y transformación de los datos recopilados para prepararlos adecuadamente para su análisis y modelado y la división de datos, crucial para evitar sesgos y evaluar de manera precisa la capacidad predictiva del modelo.

Abstract Introduction The lama-bordo systems (LBS) are built in natural watercourses and favor retention of sediment and runoff moisture for the development of agricultural activity. Objective To obtain a model for predicting the volume of soil permanently captured by LBS, based on the morphometric and hydrological characteristics of the micro-watersheds where they have prevailed in the Mixteca Alta of Oaxaca, Mexico Materials and methods The study was carried out in 27 sites where morphometric parameters and hydrological indexes were determined to obtain the volume prediction model by multiple linear regression (backward elimination technique). Results and discussion The systems studied were found in micro-watersheds under conditions that favor sediment transport: elongated shape, areas smaller than 2 km2 with 1st and 2nd order streams, at altitudes above 2 000 m and slopes greater than 10 %. Twelve morphometric parameters and three hydrological indexes characterize these micro-watersheds and explain the physical conditions that allow their establishment, but only four (micro-watershed area, average slope of the mainstream, topographic wetness index and sediment transport index) explain the cumulative sediment volume (R2 = 0.85, P < 0.001). Conclusions The model evaluated for volume estimation is reliable for application at sites under similar conditions.

Resumen Introducción Los sistemas lama-bordo (SLB) se construyen en cauces naturales y favorecen la retención de sedimentos y humedad del escurrimiento para el desarrollo de la actividad agrícola. Objetivo Obtener un modelo de predicción de volumen de suelo captado por los SLB en forma permanente, a partir de las características morfométricas e hidrológicas de las microcuencas donde estos han prevalecido en la Mixteca Alta de Oaxaca, México. Materiales y métodos El estudio se hizo en 27 sitios donde se determinaron parámetros morfométricos e índices hidrológicos que permitieron obtener el modelo de predicción de volumen mediante regresión lineal múltiple tipo backward stepwise. Resultados y discusión Los sistemas estudiados se encontraron en microcuencas bajo condiciones que favorecen el transporte de sedimentos: forma alargada, áreas menores de 2 km2 con corrientes de 1° y 2° orden, en altitudes superiores a los 2 000 m y pendientes mayores de 10 %. Doce parámetros morfométricos y tres índices hidrológicos caracterizan dichas microcuencas y explican las condiciones físicas que permiten su establecimiento, pero solo cuatro (área de la microcuenca, pendiente media de la corriente principal, índice topográfico de humedad e índice de transporte de sedimentos) explican el volumen de sedimento acumulado (R2 = 0.85, P < 0.001). Conclusiones El modelo evaluado para la estimación de volumen es confiable para su aplicación en sitios bajo condiciones similares.

Resumen El objetivo es comprender cómo el turismo internacional ha contribuido a la economía mexicana y predecir su desarrollo futuro, considerando el impacto de eventos globales y tendencias de viaje. Se emplea un método de investigación cuantitativo, utilizando el modelo ARIMA para analizar y proyectar ingresos por turismo internacional. Se analizan datos desde 2010 hasta 2023, obtenidos de BANXICO. Los resultados muestran un patrón estacional en los ingresos, con un crecimiento notable desde 2014 hasta antes de la pandemia. Se anticipa una recuperación significativa a partir de 2023, con un aumento del 17.4% en el primer semestre comparado con 2022. Los hallazgos indican que el modelo ARIMA (1,1,2) (1,1,0) es el más adecuado para predecir ingresos por turismo internacional en México. Se proyecta un crecimiento continuo en los ingresos de divisas hasta 2026. La originalidad de este estudio radica en su enfoque en el turismo internacional como una fuente clave de ingresos en divisas para México, utilizando un modelo predictivo avanzado y considerando el impacto de eventos globales recientes. Las limitaciones incluyen la incertidumbre inherente en las proyecciones a largo plazo y la dependencia de patrones y tendencias históricas, que pueden no capturar cambios estructurales futuros. Las conclusiones evidencian que el turismo internacional es un motor económico vital para México, con una tendencia de crecimiento sostenido. El modelo ARIMA proporciona una herramienta eficaz para predecir ingresos futuros, crucial para la planificación estratégica en el sector turístico. Sin embargo, es esencial considerar las limitaciones del modelo y la necesidad de actualizaciones periódicas para adaptarse a cambios en el entorno global.

Abstract The objective is to understand how international tourism has contributed to the Mexican economy and to predict its future development, considering the impact of global events and travel trends. A quantitative research method is employed, using the ARIMA model to analyze and project income from international tourism. Data from 2010 to 2023, obtained from BANXICO, are analyzed. The results show a seasonal pattern in income, with notable growth from 2014 until before the pandemic. A significant recovery is anticipated from 2023, with an increase of 17.4% in the first half compared to 2022. The findings indicate that the ARIMA (1,1,2) (1,1,0) model is the most suitable for predicting income from international tourism in Mexico. Continuous growth in foreign exchange income is projected until 2026. The originality of this study lies in its focus on international tourism as a key source of foreign exchange income for Mexico, using an advanced predictive model and considering the impact of recent global events. The limitations include the inherent uncertainty in long-term projections and the reliance on historical patterns and trends, which may not capture future structural changes. The conclusions show that international tourism is a vital economic engine for Mexico, with a sustained growth trend. The ARIMA model provides an effective tool for predicting future income, crucial for strategic planning in the tourism sector. However, it is essential to consider the limitations of the model and the need for periodic updates to adapt to changes in the global environment.

ABSTRACT The aim of this study was to develop visible and near-infrared spectroscopy (Vis-NIRS) calibration models for predicting the content of organic carbon (OC), total nitrogen (N), clay + silt, and pH values in soils from Argentina, employing different mathematical preprocessing techniques for spectral data. A total of 154 soil samples with contrasting physicochemical characteristics was selected, dried, and sieved to 2 mm prior to the analysis of OC, N, pH, and clay + silt using reference methods. Subsequently, the Vis-NIR spectrum (400 to 2500 nm) of each sample was obtained in reflectance mode. The sample set was randomly divided into two groups: one for calibration model development (80%) and the other for model validation (20%). Eight preprocessing techniques for spectral information were employed, and the best one for each parameter studied was selected based on the criteria of achieving the minimum standard error of cross-validation (EECV), maximum coefficient of determination of cross-validation (R2cv), and maximum residual predictive deviation (RPD). Calibration models were obtained using modified partial least squares regression (MPLS) and five-fold cross-validation. The best models for predicting OC and N were obtained with the raw spectra (RPD=4.69 and 3.65 respectively); for pH, the best model was obtained using the standard normal variate preprocessing technique with the second derivative (RPD=2.27), and for clay + silt, the best model was obtained with multiple scattering correction and second derivative (RPD=2.83). The performance of the models applied to the calibration and testing groups was similar. The results indicate that the appropriate choice of spectral data preprocessing technique can optimize calibration for the prediction. Vis-NIRS is a valuable tool for soil monitoring in Argentina, complementing traditional analysis methods.

RESUMEN El objetivo de este estudio fue desarrollar modelos de calibración por espectroscopía visible e infrarrojo cercano (Vis-NIRS) para la predicción del contenido de carbono orgánico (CO), nitrógeno total (N), arcilla+li-mo, y pH en suelos de Argentina, aplicando diferentes técnicas de pretratamiento matemático de los datos espectrales. Se seleccionaron 154 muestras de suelo con características físico químicas contrastantes, se secaron y tamizaron a 2 mm previo al análisis de CO, N, pH y arcilla+limo mediante métodos de referencia. Luego se obtuvo el espectro Vis-NIR (400 a 2500 nm) de cada muestra en modo reflectancia. El conjunto de muestras fue dividido aleatoriamente en dos grupos: uno para obtener el modelo de calibración (80 %) y el otro para la validación del modelo (20 %). Se utilizaron ocho técnicas de pretratamiento de la información espectral y luego se seleccionó la mejor para cada parámetro, con el criterio de obtener el mínimo error estándar de la validación cruzada (EEVC), máximo coeficiente de determinación de la validación cruzada (R2cv) y máxima desviación predictiva residual (RPD). Los modelos de calibración se obtuvieron utilizando regresión de cuadrados mínimos parciales modificada (MPLS) y validación cruzada con cinco etapas. Los mejores modelos para la predicción de CO y N se obtuvieron con los espectros sin procesar (RPD=4,69 y 3,65 respectivamente); para pH se obtuvo con la técnica variación normal estándar con segunda derivada (RPD=2,27) y para arcilla+limo con corrección de dispersión múltiple y segunda derivada (RPD=2,83). El desempeño de los modelos aplicados sobre el grupo de testeo y calibración fue similar. Los resultados indican que la elección apropiada de la técnica de pretratamiento de datos espectrales puede optimizar la calibración. Vis-NIRS es una herramienta valiosa para el monitoreo de suelos en Argentina, como comple-mento de los métodos tradicionales de análisis.

ABSTRACT Rainfall forecasts are of great importance to prevent disasters, economic losses in crops and several important aspects for the country's hydroeconomy, hence the need to develop rainfall prediction models. At the Villa Clara Provincial Meteorological Center (CMPVC), mathematical models with a high level of accuracy are used, but they require a lot of processing time. Hence, the need to look for more current and accurate, ways to make accurate rainfall forecasts but in a faster way. The progress of artificial intelligence and especially artificial neural networks have allowed the development of models to solve the problem of rainfall prediction; using the metrics provided by the World Meteorological Organization (WMO) from 1975 to 2016. In this work, an analysis of the different regression models with multiple outputs to predict rainfall is carry out in the months of May, June, July and August. The regression models that best fit this problem were linear regression, regression tree, k-nearest neighbors, direct regression, chained regression and multilayer perceptron. After running the models, the multilayer perceptron was the regression model with the best results, with a high degree of efficiency for rainfall forecasting.

RESUMEN Los pronósticos de las precipitaciones tienen gran importancia para prevenir desastres, pérdidas económicas en cultivos y varios aspectos importantes para la hidroeconomía del país, de ahí la necesidad de desarrollar modelos de predicción de precipitaciones. En el Centro Meteorológico Provincial de Villa Clara (CMPVC) se emplean modelos matemáticos con un nivel de precisión alto, pero requieren mucho tiempo de procesamiento. De ahí la necesidad de buscar maneras más actuales y precisas para realizar pronósticos de lluvia acertados, pero de manera más rápida. El progreso de la inteligencia artificial y en especial, las redes neuronales artificiales han permitido desarrollar modelos para dar solución al problema de predicción de precipitaciones; mediante las métricas proporcionadas por la Organización Meteorológica Mundial (OMM) comprendidas entre los años 1975 hasta el 2016. En este trabajo se realiza un análisis de los diferentes modelos de regresión con múltiples salidas para predecir las precipitaciones en los meses mayo, junio, julio y agosto. Los modelos de regresión que más se ajustaron a esta problemática fueron la regresión lineal, el árbol de regresión, el k-vecinos más cercanos, la regresión directa, la regresión encadenada y el perceptrón multicapa. Luego de realizar las corridas de los modelos resultó el perceptrón multicapa, el modelo de regresión con mejores resultados, con un alto grado de eficacia para el pronóstico de las precipitaciones.

Abstract Introduction: University dropout is now considered a complex phenomenon that goes beyond the number of students not enrolled and that is continuously growing, especially in the first years of study. Objective: In the present study, a prediction model combining Survival Analysis, Decision Trees, and Random Forest, under the Machine Learning philosophy, is proposed for the early diagnosis of possible factors causing dropout in university students. Methods: The proposal consists of 3 phases: the Survival Analysis that allows estimating the probability of permanence of the student (survival). Phase 2 starts from the probability value obtained in the previous phase and uses it as a response variable in the modeling process based on Decision Trees to establish survival patterns around the variables considered. Finally, in phase 3, the critical variables in the model are identified using the Random Forest. Results: The proposed methodology allowed the design of a prediction model to identify the main segmentation variables in behavior patterns of possible cases of academic dropout. Conclusion: Even though the proposal was developed considering a particular case of a Chilean university, the efficient combination of metaheuristics allows the extrapolation of the methodology to any context and academic reality. However, the conditions and needs of each institution must be considered.

Resumen Introducción: La deserción universitaria se considera actualmente como un fenómeno complejo que va más alla del número de estudiantes no matriculados, y que viene en continuo crecimiento sobre todo en los primeros años de estudio. Objetivo: En el presente estudio se propone un modelo de predicción que combina el Análisis de Supervivencia, Árboles de Decisión y Random Forest, bajo la filosofía de Machine Learning, para el diagnóstico temprano de los posibles factores de la deserción en estudiantes universitarios. Métodos: La propuesta consta de 3 fases: el Análisis de Supervivencia que permite estimar la probabilidad de permanencia del alumno (supervivencia). La fase 2 parte del valor de probabilidad obtenido en la fase anterior y lo utiliza como variable respuesta en el proceso de modelado basado en los árboles de decisión para establecer patrones de supervivencia en torno a las variables consideradas. Finalmente, en la fase 3 se identifican las variables más importantes en el modelo, utilizando Random Forest. Resultados: La metodología propuesta permitió diseñar un modelo de predicción, que identifica las principales variables de segmentación en patrones de comportamiento de posibles casos de deserción académica. Conclusión: Si bien la propuesta fue desarrollada considerando un caso particular de una universidad chilena, la eficiente combinación de la metaheurística permite la extrapolación de la metodología a cualquier contexto y realidad académica. Sin embargo, se deben considerar las condiciones y necesidades de cada institución.

Resumo Introdução: A deserção universitária é atualmente considerada um fenômeno complexo que vai além do número de estudantes não matriculados, e que vem em contínuo crescimento sobretudo nos primeiros anos de estudo. Objetivo: No presente estudo, é proposto um modelo de predição que combina Análise de Sobrevivência, Árvores de Decisão e Random Forest, sob a filosofia de Machine Learning, para o diagnóstico precoce dos possíveis fatores de deserção em estudantes universitários. Métodos: A proposta consiste em 3 fases: a Análise de Sobrevivência que permite estimar a probabilidade de permanência do aluno (sobrevivência). A fase 2 parte do valor de probabilidade obtido na fase anterior e o utiliza como variável resposta no processo de modelagem baseado em árvores de decisão para estabelecer padrões de sobrevivência em torno das variáveis consideradas. Finalmente, na fase 3, as variáveis críticas do modelo são identificadas usando Random Forest. Resultados: A metodologia proposta permitiu desenhar um modelo de previsão, que identifica as principais variáveis de segmentação em padrões de comportamento de possíveis casos de deserção acadêmica. Conclusão: Embora a proposta tenha sido desenvolvida a partir de um caso particular de uma universidade chilena, a combinação eficiente da meta-heurística permite a extrapolação da metodologia para qualquer contexto e realidade acadêmica. No entanto, devem ser consideradas as condições e necessidades de cada instituição.

RESUMEN La modelación del tiempo y el clima a escala local en las montañas han sido relevantes para el estudio de los ecosistemas agroforestales y su evolución futura. El trabajo tuvo como objetivo integrar un conjunto de datos espaciales de alta resolución al modelo numérico de predicción e investigación meteorológica WRF, adecuado para el análisis meteorológico y del clima local en las montañas de Cuba. En el trabajo, se definió como datos espaciales prioritarios los referidos al relieve, la máscara de tierra como interface océano-suelo, el tipo de cobertura y tipo de suelo. Se seleccionaron las bases de datos espaciales de alta resolución nacionales o globales de mejor calidad y más adecuadas a las características del modelo. Las bases de datos integradas al WRF tuvieron resolución espacial entre 0,95 y 0,03 km aproximadamente en el Ecuador. El incremento y actualización de los datos espaciales robustecieron la capacidad del modelo para el análisis de los factores geográficos formadores del clima local, propiciando mejor desempeño en las montañas. Los resultados de la investigación pudieran contribuir a la vigilancia y pronóstico meteorológico y climático a escala local para las montañas de Cuba. De igual manera, beneficiarían los estudios y gestión de riesgos asociados a incendios forestales, eventos hidrometeorológicos severos, la variabilidad climática, el cambio climático, y otros peligros relacionados con el sistema climático que han afectado los ecosistemas agroforestales cubanos.

RESUMO A modelagem do tempo e do clima em escala local nas montanhas tem sido relevante para o estudo dos ecossistemas agroflorestais e sua evolução futura. O objetivo deste trabalho foi integrar um conjunto de dados espaciais de alta resolução ao modelo numérico de pesquisa e previsão do tempo WRF, adequado para a análise do tempo e do clima local nas montanhas de Cuba. No trabalho, os dados espaciais prioritários foram definidos como aqueles referentes ao relevo, à máscara de terra como uma interface oceano-solo, ao tipo de cobertura e ao tipo de solo. Foram selecionados os bancos de dados espaciais nacionais ou globais de alta resolução da mais alta qualidade e mais adequados às características do modelo. Os bancos de dados integrados ao WRF tinham resolução espacial entre 0,95 e 0,03 km aproximadamente no equador. Os dados espaciais ampliados e atualizados fortaleceram a capacidade do modelo de analisar os fatores geográficos que moldam o clima local, levando a um melhor desempenho nas montanhas. Os resultados da pesquisa podem contribuir para o monitoramento e a previsão do tempo e do clima em escala local nas montanhas de Cuba. Eles também beneficiariam estudos e gerenciamento de riscos associados a incêndios florestais, eventos hidrometeorológicos graves, variabilidade climática, mudanças climáticas e outros perigos relacionados ao sistema climático que afetaram os ecossistemas agroflorestais cubanos.

ABSTRACT Local-scale weather and climate modeling in mountains has been relevant for the study of agroforestry ecosystems and their future evolution. The study aimed to integrate a set of high-resolution spatial data to the WRF numerical meteorological prediction and research model, suitable for meteorological and local climate analysis in the mountains of Cuba. In the study, priority spatial data were defined as those referring to the relief, the land mask as the ocean-soil interface, the type of cover and type of soil. The national or global high-resolution spatial databases of the best quality and most appropriate to the characteristics of the model were selected. The databases integrated into the WRF had spatial resolution between approximately 0.95 and 0.03 km in Ecuador. The increase and updating of spatial data strengthened the model's capacity for the analysis of the geographic factors that shape the local climate, promoting better performance in the mountains. The research results could contribute to meteorological and climate monitoring and forecasting at a local scale for the mountains of Cuba. Likewise, studies and risk management associated with forest fires, severe hydrometeorological events, climate variability, climate change, and other dangers related to the climate system that have affected Cuban agroforestry ecosystems would benefit.

RESUMEN El objetivo del presente estudio fue emplear modelos matemáticos para la predicción de los rendimientos de la madera aserrada a partir de parámetros dendrométricos de los árboles en pie, que permitan una adecuada definición de su potencial en el aserradero Combate de la Tenería. Los rendimientos de madera aserrada están influenciados por la posición de la troza en el fuste del árbol, con un decrecimiento en dependencia de la altura. Las cuatro ecuaciones construidas para determinar el rendimiento de la madera aserrada tienen aceptables coeficientes de correlación, determinación y bajos errores estándar de estimación. Sin embargo, el mejor comportamiento lo posee el modelo Ln (rend) = 1,084 + 0,464 * ln d1,30 0,1201 ln que tiene mejor ajuste, las variables independientes explican el 67 % y el menor valor del error estándar de estimación. En función del análisis de elasticidad se puede definir el diámetro a 1,30 m es la variable predictora de mayor influencia positiva sobre el incremento de los rendimientos de madera aserrada. La conicidad tiene un efecto negativo sobre el volumen y valor de la madera aserrada. Con la implementación del control estadístico del aserrado, se detectó que el proceso está fuera de control, lo cual implica la necesidad de realizar el análisis correspondiente para eliminar esta deficiencia.

RESUMO O objetivo deste estudo foi utilizar modelos matemáticos para prever o rendimento da madeira serrada com base em parâmetros dendrométricos de árvores em pé, que permitam uma definição adequada do seu potencial na serraria Combate de la Tenería. O rendimento da madeira serrada é influenciado pela posição da tora no tronco da árvore, diminuindo conforme a altura. As quatro equações construídas para determinar o rendimento da madeira serrada apresentam correlação e coeficientes de determinação aceitáveis e baixos erros padrão de estimativa. Porém, o melhor comportamento é apresentado pelo modelo Ln (rend) = 1,084 + 0,464 * ln d1,30 0,1201 ln, que apresenta o melhor ajuste, as variáveis independentes explicam 67% e o menor valor do erro padrão de estimativa. Com base na análise de elasticidade, o diâmetro pode ser definido em 1,30 m como a variável preditora com maior influência positiva no aumento do rendimento de madeira serrada. A conicidade tem um efeito negativo no volume e no valor da madeira serrada. Com a implementação do controlo estatístico da serragem, detectou-se que o processo está fora de controlo, o que implica a necessidade de realizar a análise correspondente para eliminar esta deficiência.

ABSTRACT The objective of this study was to use mathematical models for the prediction of sawnwood yields based on dendrometric parameters of standing trees, which allow an adequate definition of their potential in the Combate de la Tenería sawmill. Sawnwood yields are influenced by the position of the log in the tree trunk, with a decrease depending on the height. The four equations constructed to determine the yield of sawnwood have acceptable correlation and determination coefficients and low standard errors of estimation. However, the best behavior is shown by the model Ln (rend) = 1.084 + 0.464 * l n d 1.30 0.1201 l n which has the best fit, the independent variables explain 67% and the lowest value of the standard error of estimation. Based on the elasticity analysis, the diameter can be defined at 1.30 m, it is the predictor variable with the greatest positive influence on the increase in sawnwood yields. Taper has a negative effect on the volume and value of sawnwood. The use of the statistical control of saw detected that the process is out of control, which implies the need to carry out the corresponding analysis to eliminate this deficiency.

Abstract: The current study attempts to address the relationship between material waste and change orders in residential building projects implemented in the West Bank in Palestine. The main objectives include: (1) identify the main factors affecting change orders in residential projects, (2) identify the main factors affecting martial waste eon construction sites, (3) address the relationship between change orders and construction material waste, (4) develop prediction model that shows the impact of change orders on material waste. To achieve this, two methods are used: (1) questionnaire survey is conducted to identify the main factors affecting change orders and the major factors of material waste on construction sites. Fourteen (14) factors believed to affect change orders and 15 factors that might affect material waste are investigated in this study. (2) Case study is conducted to address the impact of change orders on material waste. Data collected from 40 residential building projects implemented in the West Bank in Palestine. Regression analysis is used to establish the predictive model that relates the change orders and material waste. Results indicate that the top five factors affecting change orders include: change of project scope by owner, shortage in equipment and materials, change in materials, design mistakes, and change of plans by owner. It also shows that the top five factors affecting material waste are: rework, lack of labors skills, design errors, purchasing materials not complying with specifications, and frequent design changes. The results revealed a strong relationship between number of change orders and construction material waste on site.

Resumen: El presente estudio intenta abordar la relación entre el desperdicio de materiales y las órdenes de cambio en proyectos de construcción residencial implementados en Cisjordania, Palestina. Los principales objetivos incluyen: (1) identificar los principales factores que afectan las órdenes de cambio en proyectos residenciales, (2) identificar los principales factores que afectan el desperdicio de material en los sitios de construcción, (3) abordar la relación entre las órdenes de cambio y el desperdicio de material de construcción, (4) Desarrollar un modelo de predicción que muestre el impacto de las órdenes de cambio en el desperdicio de material. Para lograr esto, se utilizan dos métodos: (1) se realiza una encuesta por cuestionario para identificar los principales factores que afectan las órdenes de cambio y los principales factores de desperdicio de material en los sitios de construcción. En este estudio se investigan catorce (14) factores que se cree que afectan las órdenes de cambio y 15 factores que podrían afectar el desperdicio de material. (2) Se realiza un estudio de caso para abordar el impacto de las órdenes de cambio en el desperdicio de material. Datos recopilados de 40 proyectos de construcción residencial implementados en Cisjordania, Palestina. El análisis de regresión se utiliza para establecer el modelo predictivo que relaciona las órdenes de cambio y el desperdicio de material. Los resultados indican que los cinco factores principales que afectan las órdenes de cambio incluyen: cambio del alcance del proyecto por parte del propietario, escasez de equipos y materiales, cambio de materiales, errores de diseño y cambio de planes por parte del propietario. También muestra que los cinco factores principales que afectan el desperdicio de material son: retrabajo, falta de habilidades laborales, errores de diseño, compra de materiales que no cumplen con las especificaciones y cambios frecuentes de diseño. Los resultados revelaron una fuerte relación entre el número de órdenes de cambio y el desperdicio de material de construcción en el sitio.