M. C. Robustillo, L. Naranjo, M. I. Parra Arévalo, J. Hernández, C. J. Pérez Sánchez

La monitorización mediante sensores es un pilar de la apicultura de precisión, pero la presencia de datos faltantes debidos a fallos de conectividad o de hardware limita la aplicabilidad de los modelos predictivos. Para abordar este problema, se propone un modelo vectorial autorregresivo bayesiano con variables exógenas que integra de forma conjunta la imputación de datos faltantes y la predicción de variables internas de la colmena. Este enfoque trata los valores faltantes como variables latentes que se estiman conjuntamente con el resto de parámetros mediante métodos de Montecarlo hamiltonianos. El método se evalúa mediante simulación y utilizando datos reales del proyecto BeeObserver, mostrando estabilidad paramétrica frente a distintos niveles de datos faltantes y una buena precisión en la predicción de temperatura, humedad y peso a distintos horizontes temporales. Este enfoque proporciona una herramienta robusta para sistemas de apoyo a la decisión en apicultura de precisión.

Palabras clave: Apicultura de precisión, Datos faltantes, Métodos de Montecarlo, Modelos autorregresivos, Predicción, Series temporales multivariantes.

Programado

Sesión de pósters II
4 de septiembre de 2026  09:00
Facultade de Ciencias Económicas e Empresariais


Otros trabajos en la misma sesión

Inferencia Estadística para Determinar la Calidad de Test Diagnósticos Binarios

M. Á. Montero Alonso, A. Ruiz Vega, J. M. Melchor Rodríguez, J. D. Luna del Castillo

Longitudinal Statistical Analysis and Phenotypic Characterization of a Salt-Wasting Tubulopathy Cohort: Gitelman and Bartter Syndromes

L. Núñez González, B. Temes Álvarez, A. Urisarri Ruiz de Cortázar, M. Gil Calvo, A. M. Barcia de la Iglesia, P. Oliveros Martínez, N. Carrera Cachaza, M. Á. García González, M. García Murias

Spatial Generalization under Hierarchical Dependence: Evidence from Sediment Modelling

C. Patino Alonso, J. L. Molina González, F. Espejo Almodóvar, S. Zazo del Dedo, M. C. Molina González

A New Parametric Family of Non-Archimedean Copulas

C. R. Palmero, J. P. RINCÓN-ZAPATERO

Asignación óptima de aeronaves de extinción a incendios forestales

M. Rodríguez Barreiro, M. L. Carpente Rodríguez, S. Lorenzo Freire

Comparing Statistical Metrics for Differential Network Analysis

C. Ruiz de Porras Rubio, A. Sánchez Pla, C. Andrés-Lacueva, D. Garrido-Martín, A. Miñarro Alonso

Estimación bootstrap de umbrales para la detección de inhomogeneidades en series temporales

M. Flores Sánchez, M. Soliz Villafuerte, S. Naya Fernández, J. Tarrío Saavedra

Computation of Inequality Measures based on the Polynomial Pen’s Parade

J. M. Sarabia Alegria, V. Jordá, M. Tejería-Martínez

Análisis multivariante de la adopción de Inteligencia Artificial en España: un enfoque mediante HJ-Biplot y Clustering

M. C. Vega Hernández, M. L. Pérez-Delgado, J. Á. Román-Gallego, M. Á. Conde González

Nueva métrica de similitud para la comparación de conjuntos de tamaños dispares con aplicación en farmacogenómica.

M. J. Rivas Lopez, J. M. Sánchez-Santos, A. Berral-González, M. M. Arroyo, J. De las Rivas Sanz


Política de cookies

Usamos cookies solamente para poder idenfiticarte y autenticarte dentro del sitio web. Son necesarias para el correcto funcionamiento del mismo y por tanto no pueden ser desactivadas. Si continúas navegando estás dando tu consentimiento para su aceptación, así como la de nuestra Política de Privacidad.

Adicionalmente, utilizamos Google Analytics para analizar el tráfico del sitio web. Ellos almacenan cookies también, y puedes aceptarlas o rechazarlas en los botones de más abajo.

Aquí puedes ver más detalles de nuestra Política de Cookies y nuestra Política de Privacidad.