000084530 001__ 84530
000084530 005__ 20191106163135.0
000084530 0247_ $$2doi$$a10.26754/c_agroing.2019.com.4229
000084530 037__ $$aCOMPON-2019-agri-4229
000084530 041__ $$aspa
000084530 100__ $$aDiez, F.J.$$u.Departamento de Ingeniería Agrícola y Forestal, Universidad de Valladolid. Campus La Yutera, 34071 Palencia. España
000084530 245__ $$aPredicción de la irradiación solar global diaria horizontal mediante redes neuronales artificiales en la región de Castilla y León, España
000084530 260__ $$c2019
000084530 506__ $$aAccess copy available to the general public$$fUnrestricted
000084530 5203_ $$aResumen. Este artículo, se centra en la predicción de la irradiación solar global diaria horizontal, por ser el caso más interesante en la meteorología agrícola, por ejemplo, en las previsiones de necesidades de riego, utilizando la técnica de las redes neuronales artificiales (RNAs) de la inteligencia computacional, a partir de variables accesibles en las estaciones agrometeorológicas. El lugar donde fueron medidos los datos, utilizados para entrenar las RNAs, caracterizan donde se pueden volver a utilizar este tipo de modelos, en este estudio fueron las estaciones meteorológicas de la red SIAR en Castilla y León, en concreto la situada en Mansilla Mayor (León), durante los años 2004-2010. Los modelos RNAs se construyeron en la entrada con los datos medidos de irradiación solar global diaria de uno, dos y tres días anteriores, añadiendo el día del año J(t)=1..365, para predecir su valor el día siguiente. Los resultados obtenidos, validados durante el año 2011 completo RMSE=3,8012 MJ/(m2d), concluyen que las RNAs estudiadas mejoran los métodos clásicos comparados: 1) año típico CENSOLAR RMSE=5,1829 MJ/(m2d), 2) media móvil ponderada con la autocorrelación parcial de 11 días de retardo RMSE=3,9810 MJ/(m2d), 3) regresión lineal sobre el valor del día anterior RMSE=4,2434 MJ/(m2d), 4) año típico Fourier utilizado el 1er armónico RMSE=4,2747 MJ/(m2d), y 5) las matrices de transición de Markov para 33 estados posibles RMSE=4,3653 MJ/(m2d). Durante los días de cambio brusco en el nivel de irradiación solar, se observan los mayores errores de predicción. Se plantea utilizar en la entrada otras variables para mejorar la eficacia del modelo RNA. Una de las variables probadas fue el índice de claridad diario Kt=H/H0, resultando una mejora RMSE=3,7703 MJ/(m2d).Palabras clave: insolación, evapotranspiración, agrometeorología, inteligencia computacional.
000084530 540__ $$9info:eu-repo/semantics/openAccess$$aby-nc-nd$$uhttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
000084530 655_4 $$aComunicación
000084530 700__ $$aNavas-Gracia, L.M.
000084530 700__ $$aMartínez-Rodríguez, A.
000084530 700__ $$aCorrea-Guimaraes, A.
000084530 700__ $$aChico-Santamarta, L.
000084530 773__ $$dHuesca$$gX Congreso Ibérico de Agroingeniería = X Congresso Ibérico de Agroengenharia : Libro de actas = Livro de atas
000084530 8564_ $$s2053874$$uhttps://zaguan.unizar.es/record/84530/files/4229.pdf
000084530 909CO $$ooai:zaguan.unizar.es:84530$$pcomunicaciones-ponencias
000084530 970__ $$aCOMPON-2019-agri-4229
000084530 980__ $$aCOMPON