Behavior of private retailers in a regulated input market: An empirical analysis of the fertilizer subsidy policy in Nepal

Shriniwas Gautam Dyutiman Choudhary Dil Bahadur Rahut (2022)

The private sector in Nepal participates in the regulated import and distribution of three types of subsidized fertilizer. However, almost 55% of the agrovets (family-owned microenterprises) that retail agricultural inputs do not comply. Many farmers rely on the fertilizer purchased through these agrovets, including subsidized ones. There is no private sector importer of the three types of fertilizer covered by the subsidy program, which indicates that the agrovets either acquire these through leakage in the government distribution system or through illegal cross-border trade from India, both of which are considered legal noncompliance. We discern the determinants for this noncompliant behavior of agrovets using logistic regression. The results from logistic regression suggest that the agrovets that are more likely to comply are registered, have membership in business associations, and have a higher number of competitors. Those with diversified business portfolios and covering a greater number of districts are less likely to comply. Key informants, consisting of both public and private sector stakeholders, were solicited for their views on solving this noncompliant behavior. The private sector unanimously asserts the need for deregulation of fertilizer imports and the participation of agrovets in the distribution of the subsidized fertilizer. In contrast, the public sector is skeptical of the ability and trustworthiness of the private sector in the import and distribution of quality fertilizer. We propose a middle ground to mitigate private sector noncompliance and suggest a policy revisit to increase the fertilizer supply and distribution efficiency.

Article

Fertilizer Subsidy Policy Input Retailers CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA FERTILIZERS POLICIES MARKET REGULATIONS

Transición de leña a gas licuado a presión (GLP) en el sur de México, oportunidad para la mitigación del cambio climático en la región menos desarrollada del país

Transition from biomass to LP gas in southern Mexico, an opportunity for climate change mitigation in the least developed region in the country

Elio Guarionex Lagunes Díaz María Eugenia González Rosende Alfredo Ortega Rubio (2015)

"En los estados del sur de México, entre un 25% y un 55% de los hogares dependen de la leña para cocinar, lo cual trae consecuencias en el ambiente, el desarrollo y la salud. No obstante, el conocimiento de estas consecuencias y la migración hacia combustibles modernos ha permanecido relegada de las políticas de desarrollo. En este trabajo, partiendo de una descripción del panorama de uso de leña en el país y su importancia como fuente de energía, se presenta una aproximación para estimar ahorros en emisiones de CO2 logrables por la transición a gas licuado a presión (GLP), los cuales pueden alcanzar 3.14 Mt CO2e, 26% menos que el escenario base. Se finaliza con una discusión de la transición hacia combustibles modernos, las barreras que la impiden y los logros y fallos de la distribución de estufas ahorradoras de leña, la principal iniciativa gubernamental para aliviar el consumo de leña en el país."

"Between 25% and 55% of households in southern Mexico depend on biomass for cooking, which carries serious consequences on the environment, development and health. In spite of the knowledge of these consequences, transition from biomass to modern fuels has remained outside energy and development policies. In the present work, after describing the panorama of fuelwood use in the country and its importance as an energy source, an approach is presented for estimating CO2 savings achievable by transition to pressurized liquefied gas (LP). These savings can reach 3.14 Mt CO2e, 26% less than the baseline scenario. At the end we discuss on the transition to modern fuels in Mexico, the barriers that hinder it and the achievements and failures of the distribution of fuelwood saving cookstoves, as the only and most important governmental initiative to alleviate biomass use, comparing it with other priorities in the government's agenda."

Article

Transición energética, cambio climático, política energética. Energy transition, climate change, energy policy. CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA CIENCIAS DE LA TIERRA Y DEL ESPACIO METEOROLOGÍA CONTAMINACIÓN ATMOSFÉRICA CONTAMINACIÓN ATMOSFÉRICA

Control de sistemas usando aprendizaje de máquina

Systems control using machine learning

Jesús Martín Miguel Martínez (2023)

El aprendizaje por refuerzo es un paradigma del aprendizaje de máquina con un amplio desarrollo y una creciente demanda en aplicaciones que involucran toma de decisiones y control. Es un paradigma que permite el diseño de controladores que no dependen directamente del modelo que describe la dinámica del sistema. Esto es importante ya que en aplicaciones reales es frecuente que no se disponga de dichos modelos de manera precisa. Esta tesis tiene como objetivo implementar un controlador óptimo en tiempo discreto libre de modelo. La metodología elegida se basa en algoritmos de aprendizaje por refuerzo, enfocados en sistemas con espacios de estado y acción continuos a través de modelos discretos. Se utiliza el concepto de función de valor (Q-función y función V ) y la ecuación de Bellman para resolver el problema del regulador cuadrático lineal para un sistema mecánico masa-resorte-amortiguador, en casos donde se tiene conocimiento parcial y desconocimiento total del modelo. Para ambos casos las funciones de valor son definidas explícitamente por la estructura de un aproximador paramétrico, donde el vector de pesos del aproximador es sintonizado a través de un proceso iterativo de estimación de parámetros. Cuando se tiene conocimiento parcial de la dinámica se usa el método de aprendizaje por diferencias temporales en un entrenamiento episódico, que utiliza el esquema de mínimos cuadrados con mínimos cuadrados recursivos en la sintonización del crítico y descenso del gradiente en la sintonización del actor, el mejor resultado para este esquema es usando el algoritmo de iteración de valor para la solución de la ecuación de Bellman, con un resultado significativo en términos de precisión en comparación a los valores óptimos (función DLQR). Cuando se tiene desconocimiento de la dinámica se usa el algoritmo Q-learning en entrenamiento continuo, con el esquema de mínimos cuadrados con mínimos cuadrados recursivos y el esquema de mínimos cuadrados con descenso del gradiente. Ambos esquemas usan el algoritmo de iteración de política para la solución de la ecuación de Bellman, y se obtienen resultados de aproximadamente 0.001 en la medición del error cuadrático medio. Se realiza una prueba de adaptabilidad considerando variaciones que puedan suceder en los parámetros de la planta, siendo el esquema de mínimos cuadrados con mínimos cuadrados recursivos el que tiene los mejores resultados, reduciendo significativamente ...

Reinforcement learning is a machine learning paradigm with extensive development and growing demand in decision-making and control applications. This technique allows the design of controllers that do not directly depend on the model describing the system dynamics. It is useful in real-world applications, where accurate models are often unavailable. The objective of this work is to implement a modelfree discrete-time optimal controller. Through discrete models, we implemented reinforcement learning algorithms focused on systems with continuous state and action spaces. The concepts of value-function, Q-function, V -function, and the Bellman equation are employed to solve the linear quadratic regulator problem for a mass-spring-damper system in a partially known and utterly unknown model. For both cases, the value functions are explicitly defined by a parametric approximator’s structure, where the weight vector is tuned through an iterative parameter estimation process. When partial knowledge of the dynamics is available, the temporal difference learning method is used under episodic training, utilizing the least squares with a recursive least squares scheme for tuning the critic and gradient descent for the actor´s tuning. The best result for this scheme is achieved using the value iteration algorithm for solving the Bellman equation, yielding significant improvements in approximating the optimal values (DLQR function). When the dynamics are entirely unknown, the Q-learning algorithm is employed in continuous training, employing the least squares with recursive least squares and the gradient descent schemes. Both schemes use the policy iteration algorithm to solve the Bellman equation, and the system’s response using the obtained values was compared to the one using the theoretical optimal values, yielding approximately zero mean squared error between them. An adaptability test is conducted considering variations that may occur in plant parameters, with the least squares with recursive least squares scheme yielding the best results, significantly reducing the number of iterations required for convergence to optimal values.

Master thesis

aprendizaje por refuerzo, control óptimo, control adaptativo, sistemas mecánicos, libre de modelo, dinámica totalmente desconocida, aproximación paramétrica, Q-learning, iteración de política reinforcement learning, optimal control, adaptive control, mechanical systems, modelfree, utterly unknown dynamics, parametric approximation, Q-learning, policy iteration INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL