Predicción de la evapotranspiración de referencia mediante redes neuronales artificiales

Abstract

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.