Red neuronal artificial backpropagation versus modelos empíricos para estimación de radiación global diaria en Sinaloa, México*

Autores/as

  • Rocio Cervantes-Osornio Campo Experimental Valle de México-INIFAP. Carretera Los Reyes-Texcoco, Coatlinchán, km 13.5, C. P. 56230, A. P. 307 y 10, Texcoco, Estado de México, México. Tel: 01 800 088 2222, Ext. 85565
  • Ramón Arteaga Ramírez Universidad Autónoma Chapingo, Departamento de Irrigación, Sección Meteorología agrícola, km 38.5, Carretera México-Texcoco, C. P. 56230, Estado de México, México. Tel: 01 (595) 95 21500. Ext. 5157
  • Mario A. Vázquez Peña Universidad Autónoma Chapingo, Departamento de Irrigación, Sección Meteorología agrícola, km 38.5, Carretera México-Texcoco, C. P. 56230, Estado de México, México. Tel: 01 (595) 95 21500. Ext. 5157
  • Waldo Ojeda Bustamante Instituto Mexicano de Tecnología del Agua, Paseo Cuauhnáhuac 8532, Colonia Progreso C. P. 62550, Jiutepec, Morelos, México. Tel: 01 (777) 3293 600. Ext: 445

DOI:

https://doi.org/10.29312/remexca.v7i5.229

Palabras clave:

Angström-Prescott, Hargreaves, promedios, radiación solar, red neuronal artificial

Resumen

Se compararon los resultados de los promedios de radiación global diaria estimados con el modelo de red neuronal artificial (RNA) bakpropagation contra los obtenidos por los modelos empíricos Hargreaves, Angström-Prescott y los calibrados de estos. Se utilizó un modelo de red neuronal artificial backpropagation con el algoritmo Levenberg Marquardt para el pronóstico de los promedios diarios de radiación global de cuatro estaciones ubicadas en el distrito de riego 075 Valle del Fuerte, Los Mochis Sinaloa, México. La base de datos representa promedios diarios con vectores de 1 484 datos para entrenamiento, validación y prueba y 229 para pronóstico. Entre las variables de entrada proporcionadas por el Distrito de riego, fueron: temperatura mínima y temperatura máxima, otras fueron calculadas como: duración real de la insolación, fotoperiodo y radiación solar extraterrestre. Se obtuvieron escenarios con una, dos y tres capas ocultas, con diversos números de neuronas en cada capa oculta. La RNA e6{27} con las entradas temperatura mínima, máxima, horas brillo sol dividida por el fotoperiodo y radiación solar extraterrestre, obtuvo el mejor ajuste, con un RMSE de 1.6871 y R2 de 0.89 para los 1484 datos y para los 229, lo obtuvo el modelo Angström-Prescott calibrado con un RMSE de 2.2812 y R2 de 0.89. Para los 1 484 datos promedios, el escenario e6{27} presenta la mejor estimación de la radiación global diaria (Rs ) y es mejor que los modelos empíricos, sin embargo para los 229 datos el modelo Angström-Prescott calibrado presenta una estimación de Rs mejor al e6{27} de la RNA.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2017-09-11

Cómo citar

Cervantes-Osornio, Rocio, Ramón Arteaga Ramírez, Mario A. Vázquez Peña, y Waldo Ojeda Bustamante. 2017. «Red Neuronal Artificial Backpropagation Versus Modelos empíricos Para estimación De radiación Global Diaria En Sinaloa, México*». Revista Mexicana De Ciencias Agrícolas 7 (5). México, ME:1029-42. https://doi.org/10.29312/remexca.v7i5.229.

Número

Sección

Artículos

Artículos más leídos del mismo autor/a