Redes neuronales artificiales para simular el efecto del viento sobre el patrón de distribución del agua de un aspersor

Resumen

Se presenta un nuevo modelo basado en la técnica de Redes Neuronales Artificiales (RNA) para simular el efecto del viento sobre la distribución de agua de un aspersor, en un sistema estacionario o en equipos pivote. Se han realizado una serie de ensayos experimentales con diferentes velocidades y direcciones de viento, para el emisor Rotator R3000 de Nelson. El conjunto de datos obtenidos para los diferentes patrones de distribución del agua han sido divididos en tres grupos, y utilizados en las correspondientes fases de entrenamiento, análisis y validación. Se han definido los parámetros que influyen sobre el patrón de distribución de agua. Con el fin de encontrar una estructura de red óptima, varias redes con diferente arquitectura han sido entrenadas usando un método supervisado. Con la estructura óptima se consiguió un R2= 0,929 y RMSE = 6,69 mL para el grupo de ensayos correspondientes a la red Multi-Layer Perceptron (MLP) mediante el algoritmo de aprendizaje supervisado con retroalimentación, dos niveles de capas ocultas (veinte neuronas en el primer nivel y seis neuronas en el segundo) y una función de transferencia tangente hiperbólica. Esta red optimizada fue implementada en MATLAB para desarrollar un modelo llamado ISSP (Simulador Inteligente del Modelo de Distribución). ISSP utiliza la velocidad y dirección de viento como variables de entrada y tiene la capacidad de simular el modelo distorsionado de la distribución de agua de un emisor Rotator R3000 con una buena precisión (R2> 0,935). Los resultados confirman la precisión y robustez de las técnicas de RNA para simular el patrón de distribución del agua de un aspersor en condiciones de campo.