Resumen

En las zonas de regadío, la gestión inteligente y la toma de decisiones científicas en materia de riego agrícola se basan en la estimación precisa de la demanda ecológica de agua para los distintos cultivos en diferentes condiciones espaciotemporales. Sin embargo, los métodos de estimación existentes son ciegos, lentos o inexactos, en comparación con los valores índice de la demanda de agua recogidos en tiempo real en las zonas de regadío. Para resolver el problema, este trabajo introduce de forma innovadora las características espacio-temporales de la demanda de agua ecológica en la previsión de la demanda de agua futura, integrando una red neuronal artificial (RNA) para la predicción de la demanda de agua con los índices de predicción de la demanda de agua. En primer lugar, se calculó la demanda ecológica de agua para el riego agrícola de los cultivos, y se construyó una red neuronal de función de base radial (RBFNN) para predecir la demanda de agua del riego agrícola. Sobre esta base, se presentó una estrategia de control inteligente para el riego agrícola basada en la predicción de la demanda de agua. La estructura del sistema de control inteligente se aclaró por completo y se diseñó en detalle el programa principal. El modelo propuesto demostró su eficacia mediante experimentos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:demanda de agua ecológica, riego agrícola, demanda de agua, predicción de la demanda de agua, superficie regada, índice de agua, red neuronal artificial, diferentes condiciones espacio-temporales, riego de cultivos, estrategia de control inteligente
• Keywords:ecological water demand, agricultural irrigation, water demand, water demand prediction, irrigated area, index of water, artificial neural network, different spatiotemporal conditions, irrigation of crop, intelligent control strategy