España es uno de los mayores suministradores de frutas y verduras para los países europeos y la agricultura representa uno de los pilares fundamentales de nuestra economía como país. Anticipar el precio futuro de dichos productos permitiría a las cooperativas y agricultores programar la producción, cosecha y comercialización de una manera más eficiente. Esto se traduciría en una remuneración más justa, contribuyendo de paso a disminuir el desperdicio alimentario que supera el 14% de la producción de las frutas y verduras a nivel mundial.
Como en cualquier mercado, conocer de antemano cómo van a evolucionar los precios en el sector no es nada fácil, pero ahí es donde la inteligencia artificial tiene algo que aportar. Un equipo de investigadores ha analizado el potencial del algoritmo de Machine learning Reservoir Computing de cara a anticipar la evolución de los precios en el sector agroalimentario y con ello prevenir, o al menos anticiparse, a posibles crisis.
“Anticipar crisis de precios en el mercado agroalimentario es fundamental para garantizar la sostenibilidad del sector y la seguridad alimentaria, ambos objetivos de la ONU para la Agenda 2030. Sin embargo, esta no es tarea fácil, ya que el problema implica analizar series temporales con pocos datos, muy volátiles y que están influenciadas por factores externos como la producción y demanda, las exportaciones o el clima”, explica Mar Grande, investigadora de la Escuela Técnica Superior de Ingeniería Agronómica, Alimentaria y de Biosistemas (ETSIAAB) de la UPM y de la empresa AGrowingData y una de las autoras del trabajo.
Para afrontar este problema, el equipo analizó el rendimiento del algoritmo de Reservoir Computing para predecir series temporales de precios. Además, desarrollaron una arquitectura óptima, basada en la descomposición de la serie temporal, para anticipar la evolución del mercado agroalimentario.
El trabajo pone de manifiesto el potencial de dicho algoritmo a la hora de predecir la evolución de los precios. Además, supera en rendimiento a otros modelos utilizados hasta el momento como los modelos econométricos (SARIMA) o las redes neuronales como LSTM, reduciendo el error absoluto medio y, lo que es más importante, aumentado la precisión al predecir la dirección del mercado.
Crisis de precios y desperdicio de comida
Los resultados obtenidos suponen una importante contribución de cara a garantizar la seguridad alimentaria y crear un sistema agroalimentario sostenible. Además, conocer con la suficiente anticipación los periodos de precios mínimos en los que la producción se tira porque no es rentable su venta, permitiría a gobiernos y ONGs destinar dicha producción a las poblaciones vulnerables.
Y es que, pese a la importancia de los datos, los investigadores subrayan que “no podremos tener un sistema alimentario sostenible si no solventamos el problema del desperdicio de comida” muy relacionado con las crisis de precios.
“Alrededor del 14% de las frutas y verduras que se producen en el mundo se pierden antes de llegar al mercado. Esto ocurre principalmente por las crisis de precios, donde el precio es tan bajo que no sale rentable comercializar los productos. Así, para alcanzar la sostenibilidad del sector agroalimentario es tarea clave anticipar los precios del mercado para que se puedan llevar a cabo acciones adecuadas antes de que se produzca una crisis”, concluyen.
Referencias:
L. Domingo, M. Grande, F. Borondo y J. Borondo (2023) Anticipating food price crises by reservoir computing Chaos, Solitons and Fractals doi: 10.1016/j.chaos.2023.113854
L. Domingo, M. Grande, G. Carlo, F. Borondo y J. Borondo (2023) Optimal quantum reservoir computing for market forecasting: An application to fight food price crises arXiv doi: 10.48550/arXiv.2401.03347
Edición realizada por César Tomé López a partir de materiales suministrados por la Universidad Politécnica de Madrid
