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

A new approach based on Artificial Neural Networks (ANNs) is presented to simulate the effects of wind on the distribution pattern of a single sprinkler under a center pivot or block irrigation system. Field experiments were performed under various wind conditions (speed and direction). An experimental data from different distribution patterns using a Nelson R3000 Rotator® sprinkler have been split into three and used for model training, validation and testing. Parameters affecting the distribution pattern were defined. To find an optimal structure, various networks with different architectures have been trained using an Early Stopping method. The selected structure produced R2= 0.929 and RMSE = 6.69 mL for the test subset, consisting of a Multi-Layer Perceptron (MLP) neural network with a backpropagation training algorithm; two hidden layers (twenty neurons in the first hidden layer and six neurons in the second hidden layer) and a tangent-sigmoid transfer function. This optimal network was implemented in MATLAB® to develop a model termed ISSP (Intelligent Simulator of Sprinkler Pattern). ISSP uses wind speed and direction as input variables and is able to simulate the distorted distribution pattern from a R3000 Rotator® sprinkler with reasonable accuracy (R2> 0.935). Results of model evaluation confirm the accuracy and robustness of ANNs for simulation of a single sprinkler distribution pattern under real field conditions.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