Técnicas de inteligencia artificial en modelado y control del clima en invernaderos

Abstract

En esta tesis, se analizan algunas Técnicas de Inteligencia Artificial (TIA) aplicadas principalmente al modelado y control del ambiente de invernaderos. El modelo para crecimiento potencial de cultivos SUCROS (a Simple and Universal CROp growth Simulator) fue calibrado usando algoritmos evolutivos y bio-inspirados. Las TIA, tales como: Logica difusa (FL), Redes Neuronales Artificiales (ANN), Algoritmos Evolutivos (EA), Algoritmos Bio-inspirados y Algoritmos Híbridos, han cobrado una importancia relevante dentro de la investigación científica, debido a su capacidad para dar solución a problemas complejos y no-lineales que los métodos convencionales no pueden resolver. En la última década se ha dado énfasis a la aplicación de estas técnicas para el desarrollo de algoritmos inteligentes que permitan identificar, pronosticar, optimizar y controlar el clima para cultivos en ambientes controlados (invernaderos) y generar condiciones climáticas cercanas a las óptimas para el crecimiento y desarrollo de los cultivos y obtener así un mayor rendimiento y calidad de productos. De acuerdo a lo antes dicho, se presenta un resumen de algunas aplicaciones de la inteligencia artificial en modelado y control del ambiente en invernaderos poniendo énfasis en los resultados obtenidos por los investigadores. La calibración de modelos dinámicos para crecimiento y desarrollo de cultivos con muchos parámetros, genera estimaciones imprecisas de estos y predicciones erróneas del modelo cuando se usa estimación por mínimos cuadrados o máxima verosimilitud. Por lo tanto, es necesario el uso de métodos globales de optimización para resolver este problema. Para mostrar lo anterior, se realizó una comparación del desempeño entre dos algoritmos evolutivos: Evolución diferencial (DE) y Estrategias evolutivas con matriz de covarianza adaptable (CMA-ES) y cuatro bio-inspirados: Búsqueda Cuco (CS), B ´ búsqueda Cuco Modificado (MCS), Optimización por enjambre de partículas (PSO) y Colonia artificial de abejas (ABC). El problema prueba consistió en estimar los 25 parámetros del modelo para crecimiento potencial de cultivos SUCROS (a Simple and Universal CROp growth Simulator). Se usaron datos obtenidos de un experimento de crecimiento de un cultivo de tomate de cáscara (Physalis ixocarpa Brot. ex Horm.) llevado a cabo en Chapingo, México. El objetivo fue determinar qué algoritmo genera valores para los parámetros del modelo que permitan lograr las predicciones más precisas. Se realizó un análisis de varianza (ANDEVA) para evaluar estadísticamente la eficiencia y efectividad de los algoritmos propuestos. Las variables de entrada del modelo fueron la temperatura mínima diaria, temperatura máxima diaria y la radiación global. Siendo las variables de salida (estimadas) el peso seco total, peso seco de tallos, peso seco de frutos, peso seco de hojas e índice de área foliar. Los resultados mostraron un mejor desempeño del algoritmo DE estándar (DE/rand/1/bin) en términos de eficiencia y eficacia para converger a una solución óptima. Los algoritmos bio-inspirados mostraron un buen desempeño, debido a esto, son confiables y pueden ser aplicados en el proceso de estimación de parámetros de modelos de cultivos.