Por favor, use este identificador para citar o enlazar este ítem: https://dspace.unl.edu.ec/jspui/handle/123456789/12223
Título : Modelo de predicción de microclima de invernaderos, caso de estudio: invernadero de orquídeas del jardín Botánico "Reinaldo Espinosa".
Autor : Cabrera Samaniego, Juan Pablo
Herrera Sarango, Victor Fernando
Paucar Jumbo, José Alfredo
Palabras clave : <INVERNADERO><ORQUÍDEAS><REQUERIMIENTOS DE HUMEDAD><REDES NEURONALES><REDES DE ALIMENTACIÓN HACIA ADELANTE O FEEDFORWARD>
<MATLAB><RECURSOS INFORMÁTICOS><EL MODELO ARTIFICIAL><JARDÍN BOTÁNICO REINALDO ESPINOSA>
Fecha de publicación : 2013
Resumen : En la producción de cultivos bajo condiciones de invernadero es importante optimizar y controlar el manejo del ambiente, usando modelos dinámicos; los modelos no lineales auto-regresivos, basados en mediciones de entradas, presenta un escenario de trabajo que permite estudiar sistemas complejos y no-lineales capaces de predecir series de tiempo, haciendo uso de la técnica de inteligencia artificial en particular Redes Neuronales (RN). En el presente trabajo se desarrolló modelos neuronales auto-regresivos para predecir el comportamiento de la Temperatura, la Humedad Relativa y el CO2 en el interior del invernadero. Como resultado de la creación de la Red Neuronal se tiene que con las variables de Temperatura, Humedad Relativa y CO2 están en rendimientos de 99,578 %, 96,61 % y 98,29 % respectivamente. Y en datos de error de predicción con un valor 0,45 %, todos estos resultados se los obtuvieron con tiempos de cálculo razonables. Palabras Clave: invernadero, ntstool, redes neuronales, datos.
Descripción : In the cultivation production under hothouse conditions it is important to optimize and to control the handling of the ambience, using dynamic models; the auto-regressive not linear models, based on earnings measurements, it presents a stage of work that allows to study complex and not linear systems capable of predicting series of time, making use of the skill(technology) of artificial intelligence in particular Networks Neuronales (RN). In the present work one developed models neuronales auto-regressive to predict the behavior(manner) of the Temperature, the Relative Moisture and the CO2 inside the hothouse. As result of the creation of the Network Neuronal has that with the variables of Temperature, Relative Moisture and CO2 they are in yields of 99,578 %, 96,61 % and 98,29 % respectively. And in information of error of prediction with a value 0,45 %, all these results obtained them with reasonable calculation times. Keywords: greenhouse, ntstool, neural networks, data.
URI : http://dspace.unl.edu.ec/jspui/handle/123456789/12223
Aparece en las colecciones: TRABAJOS DE TITULACION AEIRNNR

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Herrera Sarango, Victor Fernando, Paucar Jumbo, José Alfredo.pdf4,91 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.