Generación y Simulación de un Modelo para Mejorar los Criterios de Riego en los Cultivos de Mini-Clavel de la Sabana de Bogotá Mediante Técnicas de Inteligencica Artificial
Con el objetivo de contribuir al uso racional del Recurso Hídrico en la Sabana de Bogotá para cultivos de mini-clavel, se ha generado y simulado un modelo basado en técnicas de inteligencia artificial (IA) que predice el valor para el siguiente ddíade la evapotranspiración (ET), la cual es una varia...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2016
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/5105
- Acceso en línea:
- http://hdl.handle.net/11349/5105
- Palabra clave:
- Evapotranspiración
Redes Neuronales
Lisímetro de Pesada
Riego
Inteligencia Artificial
INGENIERÍA DE SISTEMAS - TESIS Y DISERTACIONES ACADÉMICAS
INTELIGENCIA ARTIFICIAL
CONSERVACIÓN DEL AGUA
REDES NEURALES (COMPUTADORES)
Evapotranspiration
Neural Networks
lysimeter
Irrigation
Artificial Intelligence
- Rights
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
Summary: | Con el objetivo de contribuir al uso racional del Recurso Hídrico en la Sabana de Bogotá para cultivos de mini-clavel, se ha generado y simulado un modelo basado en técnicas de inteligencia artificial (IA) que predice el valor para el siguiente ddíade la evapotranspiración (ET), la cual es una variable con sustento científico en la toma de decisiones de volúmenes y tiempos de riego, para un cultivo de mini-clavel variedad Rony. Conociendo la ET del cultivo y el lixiviado obtenidos por los lisímetros de pesada, se toman mediciones comprendidas en un periodo de ciento cuatro (104) días, con las cuales se entrena el modelo generado compuesto por un Sistema Difuso, que evalúa el criterio de riego aplicado en el día en curso, y una Red Neuronal de tipo Back Propagation, con la que se obtienen la predicciones de ET para el día siguiente, y aplicar en base a esta ET un criterio de riego favorable. El error obtenido por el modelo es -0.27 y el valor de correlación obtenido luego de la de la simulación respecto a los valores reales es 0.7277 |
---|