resum

En aquesta tesi, es presenta la aplicación de xarxes neuronals artificials (ANNs) per model.lar dues variables de gran importancia en la enginyeria del reg: la evapotranspiración de referencia i les pérdues de càrrega singulars provocades pels emisor integrats. D’una banda, s’ha proposat un model ANN per la predicció de les pérdues de pressió ocasionades per la inserció d’emisors integrats als lateral de reg localitzat, cosa que no s’ha fet encara amb la ajuda de ANNs. D’altra banda, s’ha analitzat la validesa d’un model ANN existent de 4 inputs per la predicció d’ETo en distints contextes continentals de la Comunitat Valenciana i s’ha plantejat un nou model ANN de 6 inputs per millorar el rendiment del anterior.

Per dur a terme els estudis esmentats, s’ha recurrit a l’ús de perceptrons multinivell (MLP) sotmesos a l’algoritme Levemberg-Marquardt. En els tres casos, es varen analitzar xarxes amb múltiples configuracions i es va repetir el procés d’entrenament de cada xarxa un nombre variable de vegades per compensar l’efecte derivat de la assignació inicial aleatòria dels pesos en aquest procés. De la mateixa manera, als tres problemes estudiats es portaren a terme distintes estratègies en la assignació de les dades disponibles als conjunts d’entrenament, validació creuada  i test.

A diferencia dels models estadístics existents, el model ANN que es proposa per la predicció de pérdues de càrrega localitzades posseix indicadors de rendiment referits a un set de test independent. Aquest fet ha permés avaluar el potencial real de generalitzación del model. Per diferents combinacions de validació creuada, amb dades d’almenys tres emisors, es varen obtener valors mitjans de performance index per sobre de 0.85. En quant als models de predicción d’ETo, el rendiment del model existent de 4 inputs depén del grau d’oscil.lació térmica del contexte continental on s’utilitze y la seua valides afora de la seu d’entrenament és molt limitada. El nou model proposat introdueix fonamentalment dues novetats amb l’objectiu de millorar el rendiment del model dins i fora de la seu. Aquestes novetats consisteixen a considerar la humitat relativa i a utilizar dades climàtiques d’estacions auxiliars secundaries amb index de continentalitat similars a les estacions de test. D’aquesta manera, es poden obtenir prediccions més exactes que amb el model anterior.
resum

1