Modelos predictivos aplicados a actividades agroalimentarias como herramientas de soporte al plan riego

Abstract

[ES] La actividad relacionada con el riego de campos en el sector agroalimentario está fuertemente ligada al empleo de recursos limitados como son el agua y abono, suponiendo un mayor coste económico y un desaprovechamiento de otros elementos cuando se excede su uso. Actualmente se emplean técnicas para conocer el estado hídrico del suelo, permitiendo obtener el óptimo de medidas como la humedad a diferentes niveles de profundidad así como la máxima cantidad de agua que admite un terreno. En este estudio, se pretende construir un sistema predictivo que permita predecir el valor de humedad en el suelo para un periodo de tiempo futuro para optimizar el riego mediante simulaciones de comportamiento con diferentes planes de riego y dadas las precipitaciones esperadas. Para realizar la tarea se hace uso de redes neuronales profundas, donde se prueban distintos tipos de redes y arquitecturas del estado del arte. También será necesario realizar distintas tareas de preprocesado de los datos para poder obtener un corpus de datos que permita realizar una experimentación robusta. La información de la que se hace uso es la proporcionada por la empresa mediante distintos sensores que capturan: información acerca de la humedad, temperatura y caudal, y la obtenida por distintas fuentes de datos pertenecientes a diversas estaciones meteorológicas como son: precipitaciones, radiación, evapotranspiración y precipitaciones efectivas entre otras. En los resultados obtenidos por parte del sistema predictivo de humedad se observa que se ha llegado a crear un modelo capaz de recrear un comportamiento similar al que tiene la humedad en un campo a lo largo del tiempo. Además se ha creado un optimizador del patrón de riego mediante un algoritmo evolutivo para aportar un sistema de apoyo al riego, donde se hace uso del sistema predictivo para calcular lo óptimo que es el patrón. Este se ha implementado en forma de servicio web. Por último, en lo referente al optimizador del patrón de riego, también se ha observado que se ha podido cumplir con el objetivo propuesto para el trabajo, pudiendo llegar ahorrar recursos tanto económicos como ambientales.

[EN] The activity related to the irrigation of fields in the agrifood sector is strongly linked to the use of limited resources such as water and fertilizer, implying a higher economic cost and a waste of other elements when its use is exceeded. Currently techniques are used to know the water status of the soil, allowing optimal measurements to be obtained such as humidity at different levels of depth as well as the maximum amount of water that a plot of land admits. In this study, it is intended to build a predictive system to predict the value of soil humidity for a future period of time to optimize irrigation through simulations of behavior with different irrigation plans and given the expected rainfall. In order to carry out the task, deep neural networks are used, where different types of networks and state-of-the-art architectures are tested. It will also be necessary to carry out different data pre-processing tasks in order to obtain a corpus of data that allows robust experimentation to be carried out. The information that is used is that provided by the company through different sensors that capture: information about humidity, temperature and flow, and that obtained by different data sources belonging to various weather stations such as: rainfall, radiation, evapotranspiration and effective rainfall among others. In the results obtained by the predictive system of humidity it is observed that it has come to create a model capable of recreating a behavior similar to that of humidity in a field over time. In addition, an optimizer of the irrigation pattern has been created by means of an evolutionary algorithm to provide a support system for irrigation, where the predictive system is used to calculate how optimal the pattern is. This has been implemented as a web service. Finally, with regard to the optimizer of the irrigation pattern, it has also been observed that it has been possible to comply with the objective proposed for the work, being able to save both economic and environmental resources.