Propuesta didáctica para modelizar evapotranspiración de referencia con redes neuronales artificiales en el aula.

Pau Martí; Inmaculada Pulido Calvo; Juan Carlos Gutiérrez-Estrada

doi:10.4995/msel.2015.3348

Autores/as

Pau Martí Universitat Politècnica de València
Inmaculada Pulido Calvo Universidad de Huelva
Juan Carlos Gutiérrez-Estrada Universidad de Huelva

DOI:

https://doi.org/10.4995/msel.2015.3348

Palabras clave:

evapotranspiración de referencia, riego, redes neuronales artificiales, MATLAB

Resumen

Las redes neuronales artificiales constituyen una buena alternativa a los modelos convencionales para estimar diferentes variables en ingeniería del riego, entre ellas la evapotranspiración de referencia, clave en la determinación de las necesidades de agua de riego. En este artículo se presenta una metodología didáctica para introducir al alumno en la aplicación de redes neuronales para el cálculo de evapotranspiración de referencia mediante el programa MATLAB^©.

Además de aprender a usar esta herramienta en una aplicación concreta dentro de su campo de competencias profesionales futuras, el alumno toma contacto con líneas actuales de investigación en el campo de la ingeniería del riego y se promueven eventuales colaboraciones de investigación.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Allen, R.G., Pereira, L.S., Raes, D., & Smith, M., (1998). Crop evapotranspiration. Guidelines for computing water requirements. FAO Irrigation and Drainage, paper 56. FAO, Roma.

Bishop, C.M. (Ed.), (1995). Neural Networks for Pattern Recognition. Oxford University Press, Oxford.

Hargreaves, G.H., & Samani, Z.A., (1985). Reference crop evapotranspiration from ambient air temperature. Applied Engineering in Agriculture, 1(2), 96-99.

Haykin, S. (Ed.), (1999). Neural Networks. A comprehensive foundation. Prentice Hall International Inc., New Jersey.

IVIA, Instituto Valenciano de Investigaciones Agrarias. Servicio de Tecnología del Riego, www.riegos.ivia.es.

Zanetti S.S., Sousa E.F., Oliveira V.P.S., Almeida F.T., & Bernardo S., (2007). Estimating evapotranspiration using artificial neural network and minimum climatological data. Journal of Irrigation and Drainage Engineering, 133 (2), 83-89.