Autor: ROCIO CERVANTES-OSORNIO

Redes neuronales artificiales en la estimación de la evapotranspiración de referencia

Artificial neural networks in the estimation of reference evapotranspiration

ROCIO CERVANTES OSORNIO RAMON ARTEAGA RAMIREZ MARIO ALBERTO VAZQUEZ PEÑA WALDO OJEDA BUSTAMANTE ABEL QUEVEDO NOLASCO (2011)

Las redes neuronales artificiales representan un vasto campo de investigación, puesto que han demostrado tener aplicación en varios campos de la ciencia, su capacidad de lidiar con no linealidades en diversos fenómenos, y los diferentes trabajos realizados en la estimación y/o pronóstico para predecir variables climáticas, que inciden directa e indirectamente en la evapotranspiración de referencia y la propia evapotranspiración ha originado el desarrollo de este trabajo. El objetivo fue presentar una revisión de literatura sobre redes neuronales artificiales, para la estimación de la evapotranspiración de referencia y variables relacionadas, que incluye: la teoría y fundamentos de las redes neuronales artificiales y el algoritmo backpropagation; algunas similitudes y diferencias entre los modelos estadísticos tradicionales y las redes neuronales artificiales; aplicaciones de las redes neuronales artificiales en la estimación de la evapotranspiración de referencia; y variables que se asocian con las perspectivas de las redes neuronales artificiales en la predicción de variables agroclimáticas

Artículo

Evapotranspiración Redes neuronales artificiales Predicción INGENIERÍA Y TECNOLOGÍA

Red neuronal artificial base radial en la estimación de la evapotranspiración de referencia

ROCIO CERVANTES OSORNIO RAMON ARTEAGA RAMIREZ MARIO ALBERTO VAZQUEZ PEÑA WALDO OJEDA BUSTAMANTE (2012)

En la agricultura resulta importante conocer con cierto grado de anticipación algunas variables climáticas tal como la evapotranspiración de referencia, variable primordial en la planeación y distribución del recurso agua en los distritos de riego. En el presente trabajo se utilizaron métodos convencionales y modelos de redes neuronales artificiales, específicamente feedforward backpropagation, con las mismas variables de entradas que sus homólogos modelos empíricos, para estimación de la evapotranspiración de referencia, esto se realizó para la estación Santa Rosa 1 III AC, ubicada en el Distrito 075, Valle del Fuerte, Los Mochis, Sinaloa. Los resultados obtenidos mostraron que las redes neuronales artificiales representan una alternativa de modelo confiable en la estimación de la evapotranspiración de referencia.

Artículo

Planificación del riego Distritos de riego Evapotranspiración Redes neuronales artificiales INGENIERÍA Y TECNOLOGÍA

Predicción de la evapotranspiración de referencia mediante redes neuronales artificiales

JUAN MANUEL GONZALEZ CAMACHO ROCIO CERVANTES-OSORNIO WALDO OJEDA BUSTAMANTE IRINEO LORENZO LOPEZ CRUZ (2008)

La evapotranspiración de referencia (ETo) es una variable climática esencial para el cálculo de los requerimientos hídricos de los cultivos. Su previsión a corto plazo es importante para programar la distribución de volúmenes de agua en las zonas de riego. En este trabajo se presenta la aplicación de un modelo de Red Neuronal Artificial (RNA) tipo feedforward backpropagation para predecir la ETo a partir de datos diarios de temperatura del aire, radiación solar, humedad relativa y velocidad del viento. La arquitectura adoptada del modelo de RNA contiene cuatro neuronas en la capa intermedia, una neurona en la capa de salida y funciones de activación tangente hiperbólica en ambas capas. Este modelo fue aplicado a un conjunto de datos climáticos con cinco años de observaciones de la red agroclimática “Valle del Fuerte” del distrito de riego 075, localizada en el norte de Sinaloa, México. El algoritmo de entrenamiento supervisado de Levenberg-Marquardt permitió obtener un buen desempeño de la red en términos del error cuadrático medio y del coeficiente de determinación R2 para estimar la ETo en los diferentes escenarios considerados. Las predicciones de las RNA fueron comparadas con las predicciones de modelos de regresión lineal múltiple y lineal por partes; los resultados muestran que ambos modelos presentan niveles de ajuste muy similares a los datos experimentales.

Artículo

Evapotranspiración Requerimientos de riego Variables climáticas Distritos de riego Regresión no lineal Redes neuronales artificiales CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Modelos Hargreaves Priestley-Taylor y redes neuronales artificiales en la estimación de la evapotranspiración de referencia

Reference evapotranspiration estimation by Hargreaves Priestley-Taylor and artificial neural networks models

ROCIO CERVANTES OSORNIO RAMON ARTEAGA RAMIREZ MARIO ALBERTO VAZQUEZ PEÑA WALDO OJEDA BUSTAMANTE ABEL QUEVEDO NOLASCO (2012)

Resulta costoso medir directamente la evapotranspiración de referencia (ET0) con un lisímetro, y al no contar con esta información se utilizó el método de Penman-Monteith modificado por la FAO (ET0 FAO-56 P-M) para su cálculo. El objetivo del presente trabajo fue realizar una comparación de modelos empíricos como el de Hargreaves, Hargreaves calibrado y Priestley-Taylor, con el modelo de redes neuronales artificiales función de base radial (RNA BR), con las mismas variables de entrada, en la estimación de la ET0 FAO-56 P-M. Las estimaciones de ET0 se evaluaron en cuatro estaciones climáticas del Distrito 075, Valle del Fuerte en Sinaloa, México.

Artículo

Cultivos alimenticios Planificación del riego Evapotranspiración Modelos matemáticos INGENIERÍA Y TECNOLOGÍA

Estación meteorológica convencional versus automática sus diferencias evaluadas con índices estadísticos Chapingo, México

Conventional versus automatic weather station evaluated differences with statistical indexes Chapingo, Mexico

RAMON ARTEAGA RAMIREZ ROCIO CERVANTES OSORNIO MARIO ALBERTO VAZQUEZ PEÑA WALDO OJEDA BUSTAMANTE (2017)

El objetivo del presente trabajo fue realizar la comparación de los datos meteorológicos medidos por una estación convencional contra los mismos obtenidos por una automática, ambas estaciones están ubicadas en la Universidad Autónoma Chapingo, estos datos fueron: temperatura máxima, mínima, humedad relativa máxima y mínima, colectados de manera diaria y analizados de forma gráfica y estadística, por medio del coeficiente de inconsistencia y consistencia, la raíz cuadrada del cuadrado medio del error y normalizado, el índice de concordancia o Willmott, el coeficiente de determinación, un análisis de regresión, error sistemático y error aleatorio, el periodo comprendido de enero 2004 a junio, 2013. Se encontró, que para las variables temperatura máxima y temperatura mínima, se pueden usar indistintamente los datos de la estación meteorológica automática o los de la convencional ya que los datos son semejantes.

Artículo

Estaciones meteorológicas Sistemas de información Modelos matemáticos CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA

Comparación de modelos para estimar la presión real de vapor de agua

ROCIO CERVANTES OSORNIO RAMON ARTEAGA RAMIREZ MARIO ALBERTO VAZQUEZ PEÑA WALDO OJEDA BUSTAMANTE Abel Quevedo Nolasco (2013)

La presión real de vapor de agua es una variable básica para estimar la evapotranspiración de los cultivos, uno de los componentes del ciclo hidrológico. Sin embargo, es difícil y cara de medir de forma directa, por lo que, en la práctica, se recurre a estimaciones basadas en la temperatura y relaciones sicrométricas. El objetivo del presente trabajo fue realizar una comparación de diferentes métodos convencionales para el cálculo de la presión real de vapor y compararlos con las estimaciones realizadas con dos tipos de redes neuronales artificiales: feedforward backpropagation y radial basis function. Se usaron datos meteorológicos de cuatro estaciones del Distrito 075, localizadas en el Valle del Fuerte, al norte de Sinaloa, México. Los resultados indican que la red neuronal artificial tipo radial basis function (escenario E4) mostró ser el mejor método en la estimación de la presión actual de vapor de agua.

Artículo

Humedad atmosférica Déficit de presión de vapor Distritos de riego Redes neuronales artificiales CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA