Aplicación de la inteligencia artifical a la caracterización de la demanda de riego

Resumen

La demanda de agua aumenta continuamente a lo largo de los años, mientras que los recursos naturales, en concreto la precipitación, no experimentan esta evolución. Es necesario evaluar la demanda de agua de riego que una zona regable puede generar. El objetivo de esta tesis es reproducir, modelar o prever el comportamiento del agricultor cuando actúa como regante. Las características de este problema hacen que sea difícil desarrollar un modelo matemático, sin embargo, la Inteligencia Artificial (I.A.) se está usando como potente herramienta en estos casos. El modelo propuesto consiste en un sistema neurodifuso, basado en redes neuronales artificiales (RNA) y en lógica difusa (LD), que ha sido aplicado en la zona regable de Genil-Cabra. Se han considerado 11 variables de entrada al modelo, de las cuales 7 son variables numéricas y entran directamente a un submodelo basado en RNA: superficie, período y 5 variables climáticas; las otras 4 variables se denominan lingüísticas y sufrirán una transformación en un submodelo basado en LD, antes de entrar a la RNA. La aplicación del modelo para el cultivo de olivar predice la demanda de agua del agricultor con un error del 14,70%, mientras que si se considera además el cultivo de la parcela como una variable se predice la demanda con un error del 19,38%.