Modelos neuro-difusos para temperatura y humedad del aire en invernaderos tipo cenital y capilla en el centro de México

• Autores: Irineo L. López Cruz, Leopoldo Hernández Larragoiti
• Localización: Agrociencia, ISSN 2521-9766, ISSN-e 1405-3195, Vol. 44, Nº. 7, 2010, págs. 791-805
• Idioma: español
• Títulos paralelos:
  • Neuro-fuzzy models for air temperature and humidity of arched and venlo type greeenhouses in Central México
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    En la producción de hortalizas en invernadero es importante optimizar y controlar el manejo del ambiente usando modelos dinámicos. El desarrollo y uso de modelos mecanicistas es costoso y requiere mucho tiempo. Los modelos de caja negra, basados en mediciones de entradas y salidas, son un enfoque prometedor para estudiar sistemas complejos y no-lineales. En la presente investigación se estudiaron y generaron modelos neuro-difusos para predecir el comportamiento de la temperatura y la humedad relativa del aire dentro de dos invernaderos.

    Las variables de entrada fueron: la temperatura, la humedad relativa, la radiación solar global y la velocidad y dirección del viento, medidas fuera del invernadero. Las variables de salida fueron la temperatura y la humedad del aire medidas dentro del invernadero. El tiempo de muestreo fue cada minuto. Se generaron varios modelos neuro-difusos para la temperatura y la humedad, usando el modelo neuro-difuso ANFIS (Adaptive Neuro-Fuzzy training of Sugeno-type Inference System), disponible en el Fuzzy Logic Toolbox de Matlab. Los métodos de partición de rejilla y agrupamiento sustractivo se usaron para generar el sistema de inferencia difuso.

    Se analizaron varias particiones empíricas de los datos, tres tipos de funciones de membresía (Gaussiana, Campana generalizada y Trapezoidal), así como las funciones de membresía de salida constante y lineal. Además se probaron varias épocas de entrenamiento. Se usaron dos conjuntos de datos recolectados en dos invernaderos con ventilación natural, localizados en la Universidad Autónoma Chapingo y la Universidad Autónoma de Querétaro. El análisis de los resultados mostró que los modelos neuro-difusos predicen aceptablemente el comportamiento del clima dentro del invernadero.

  • English

    In greenhouse vegetable production it is important to optimize and control the environmental management using dynamic models. The development and use of mechanistic models is expensive and time consuming. Black box models based on measurements of inputs and outputs are a promising approach for studying complex and nonlinear systems. In this work we have studied and generated neuro-fuzzy models to predict the behavior of temperature and relative humidity in two greenhouses. Input variables were: temperature, relative humidity, global solar radiation and wind speed and direction, measured outside the greenhouse. The output variables were temperature and humidity measured inside the greenhouse. The sampling time was every minute. Several neuro-fuzzy models for temperature and humidity were evaluated, using the neuro-fuzzy model ANFIS (Adaptive Neuro-Fuzzy training of Sugeno-type Inference System), available in the Fuzzy Logic Toolbox of Matlab. The methods of grid partition and subtractive clustering were used to generate the fuzzy inference system. Several empirical partitions of data were analyzed, as well as three types of membership functions (Gaussian, generalized Bell and Trapezoidal) and the constant and linear output membership functions. Also several training times were tested. Two sets of data were used, which were collected in two greenhouses with natural ventilation, located at the Universidad Autónoma de Chapingo and Universidad Autónoma de Querétaro. The analysis of the results showed that the neuro-fuzzy models acceptably predict the weather behavior inside the greenhouse.