SciELO - Scientific Electronic Library Online

 
vol.3 issue7Technological change and cooperative technology in The Valley Morelia-Queréndaro, Michoacán, Mexico author indexsubject indexsearch form
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • Have no similar articlesSimilars in SciELO

Share


Revista mexicana de ciencias agrícolas

Print version ISSN 2007-0934

Abstract

VARGAS SALLAGO, José Manuel; LOPEZ CRUZ, Irineo Lorenzo  and  RICO GARCIA, Enrique. Estimación de la fotosíntesis foliar en jitomate bajo invernadero mediante redes neuronales artificiales. Rev. Mex. Cienc. Agríc [online]. 2012, vol.3, n.7, pp.1289-1304. ISSN 2007-0934.

Dentro de la teoría de identificación de sistemas, los modelos de redes neuronales artificiales (ANN) artificial neural networks por sus siglas en inglés, han mostrado gran capacidad para encontrar patrones de relación entre variables de procesos altamente no lineales, así como resolver la limitante de la regresión no lineal, donde no es posible usar variables correlacionadas como entradas. El objetivo de la presente investigación fue modelar la tasa de fotosíntesis foliar de plantas de jitomate, cultivadas bajo invernadero, mediante redes neuronales artificiales, empleando como variables de entrada: temperatura, humedad relativa, déficit de presión de vapor y concentración de dióxido de carbono (CO2) del aire, así como radiación fotosintéticamente activa. El experimento se desarrolló durante 2009 en un invernadero experimental de la Universidad Autónoma de Querétaro, México. Se usó el equipo de fitomonitoreo PTM-48M (Daletown Company, Ltd), para registrar el intercambio de CO2 de las hojas, así como las variables meteorológicas. Para eliminar ruidos de los sensores en las mediciones se aplicó el filtro Savitzky-Golay. Se evaluaron diferentes configuraciones para redes de retropropagación, siendo la de 4 capas con 10 neuronas en la primera capa oculta, 15 en la segunda y 10 más en la tercera, la que generó los mejores índices estadísticos sobre datos de prueba: coeficiente de determinación, R2= 0.9756 y cuadrado medio del error, CME= 0.8532. Tomando las predicciones de la mejor ANN, se realizó una optimización estática, relacionando dos variables climáticas con la tasa de fotosíntesis, mediante gráficas en tercera dimensión, a fin de mostrar estrategias para maximizar la tasa de fotosíntesis

Keywords : Solanum lycopersicum L.; fitomonitor; modelos de caja negra.

        · abstract in English     · text in Spanish     · Spanish ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License