Services on Demand
Journal
Article
Indicators
-
Cited by SciELO
-
Access statistics
Related links
-
Similars in SciELO
Share
Agrociencia
On-line version ISSN 2521-9766Print version ISSN 1405-3195
Agrociencia vol.41 n.2 Texcoco Feb./Mar. 2007
Matemáticas aplicadas, estadística y computación
Modelos Arx para predecir la temperatura del aire de un invernadero: una metodología
1Ingeniería Agrícola y Uso Integral del Agua. Universidad Autónoma Chapingo. 56230. Chapingo, Estado de México. (ilopez@correo.chapingo.mx).
2Instituto Mexicano de Tecnología del Agua. Jiutepec, Morelos.
Se presenta un procedimiento para obtener un modelo dinámico lineal de autoregresión con variables exógenas (ARX) para predecir el comportamiento de la temperatura del aire en el interior de un invernadero. Los ARX son modelos matemáticos dinámicos derivados de la teoría de Identificación de Sistemas. Las variables de entrada del modelo fueron temperatura del aire, radiación solar, velocidad del viento afectando el área de ventilación del invernadero y humedad relativa, cuantificadas en una estación meteorológica ubicada a 700 m de un invernadero en Chapingo, Estado de México. La variable de respuesta fue la temperatura del aire dentro del invernadero. Se tomaron muestras de las variables de entrada y de salida del modelo cada 5 min durante un ciclo de cultivo. Para determinar la estructura del mejor modelo, se evaluaron hasta 100 000 modelos ARX usando el criterio de información y el error de predicción final de Akaike. La bondad del ajuste entre las temperaturas simuladas y observadas, y el análisis residual, indicó que modelos ARX de segundo orden o superior predicen en forma adecuada el comportamiento de la temperatura dentro del invernadero.
Palabras clave: Modelos ARX; modelos de caja negra; modelos dinámicos lineales; temperatura del invernadero
A procedure is presented for obtaining a dynamic linear model of auto-regression with exogenous variables (ARX) for predicting the behaviour of the air temperature inside a greenhouse. The ARX are dynamic mathematical models derived from the theory of Systems Identification. The input variables of the model were air temperature, solar radiation, wind velocity affecting the ventilation area of the greenhouse and relative humidity, quantified in a meteorological station located 700 m from a greenhouse in Chapingo, State of México. The response variable was the air temperature inside the greenhouse. Samples were taken of the input and output variables of the model every 5 min during a crop cycle. To determine the structure of the best model, as many as 100 000 ARX models were evaluated using the information criteria and final prediction error of Akaike. The adjustment between the simulated and observed temperatures, and the residual analysis, indicated that ARX models of second degree or above, adequately predict the behaviour of the temperature inside the greenhouse.
Key words: ARX models; black box models; dynamic linear models; greenhouse temperature
LITERATURA CITADA
Aguado-Behar, A., y M. Martínez-Iranzo. 2003. Identificación y Control Adaptativo. Pearson Educación. Madrid. España. 285 p. [ Links ]
Boaventura-Cunha, J., A. E. B. Ruano, and C. Couto. 1996. Identification of greenhouse climate dynamic models. Sixth International Conference on computers in agriculture. Cancún, México. pp: 161-171. [ Links ]
Bot, G. P. A. 1983. Greenhouse climate: from physical processes to a dynamic model. PhD Thesis. Wageningen. The Netherlands. 240 p. [ Links ]
Costa, P., and G. Giacomelli. 2005. Los planes del éxito, agricultura protegida: productividad basada en el nivel tecnológico. Productores de Hortalizas (Febrero 2005): 48-52. [ Links ]
Deltour, J., D. de Halleux, J. Nijskens, S. Coutisse, and A. Nisen 1985. Dynamic modelling of heat and mass transfer in greenhouses. Acta Horticulturae 174: 119-126. [ Links ]
Kirk, D. 2004. Optimal Control Theory. An Introduction. Dover Publications INC. New York, USA. 452 p. [ Links ]
López, C. I. L., B. vanThoor, y A. Rojano A. 2004. Modelos dinámicos mecanicista y empírico para predicción de la temperatura en un invernadero Mexicano. VI Congreso Latinoamericano y del Caribe de Ingeniería Agrícola. Noviembre 22-24. San José Costa Rica. 14 p. [ Links ]
Ljung, L. 1999. System Identification. Theory for the User. Prentice Hall, New Jersey, USA. 609 p. [ Links ]
Ljung L. 1988-2005. System Identification Toolbox for Use with MATLAB. The Matworks INC. Massachusetts, USA. 408 p. [ Links ]
Ljung, L., and T. Glad. 1994. Modeling of Dynamic Systems. Prentice Hall. New Jersey, USA. 361 p. [ Links ]
Nelles, O. 2001. Nonlinear System Identification. Springer. Berlin, Germany. 785 p. [ Links ]
Uchida-Frausto, H., J. G. Pieters, and J.M. Deltour. 2003. Modelling greenhouse temperature by means of auto regressive models. Biosystems Eng. 84(2): 147-157. [ Links ]
Wang, S., and, T. Boulard. 2000. Predicting the microclimate in a naturally ventilated plastic house in a Mediterranean climate. J. Agric. Eng. Res. 75: 27-38. [ Links ]
Recibido: Octubre de 2005; Aprobado: Diciembre de 2006