Revista: | Tecnología y ciencias del agua |
Base de datos: | PERIÓDICA |
Número de sistema: | 000379456 |
ISSN: | 0187-8336 |
Autores: | Cervantes Osornio, Rocío1 Arteaga Ramírez, Ramón2 Vázquez Peña, Mario Alberto2 Ojeda Bustamante, Waldo3 Quevedo Nolasco, Abel4 |
Instituciones: | 1Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias, Campo Experimental Valle de México, Chapingo, Estado de México. México 2Universidad Autónoma Chapingo, Chapingo, Estado de México. México 3Instituto Mexicano de Tecnología del Agua, Jiutepec, Morelos. México 4Colegio de Postgraduados, Montecillo, Estado de México. México |
Año: | 2013 |
Periodo: | Abr-Jun |
Volumen: | 4 |
Número: | 2 |
Paginación: | 37-54 |
País: | México |
Idioma: | Español |
Tipo de documento: | Artículo |
Enfoque: | Aplicado, descriptivo |
Resumen en español | La presión real de vapor de agua es una variable básica para estimar la evapotranspiración de los cultivos, uno de los componentes del ciclo hidrológico; sin embargo es difícil y cara de medir de forma directa, por lo que se recurre en la práctica a estimaciones basadas en la temperatura y relaciones sicrométricas. El objetivo del presente trabajo fue realizar una comparación de diferentes métodos convencionales para el cálculo de la presión real de vapor y compararlos con las estimaciones realizadas con dos tipos de redes neuronales artificiales: feedforward backpropagation y radial basis function. Se usaron datos meteorológicos de cuatro estaciones del Distrito 075, localizadas en el Valle del Fuerte, al norte del estado de Sinaloa, México. Los resultados indican que la red neuronal artificial tipo radial basis function (escenario E4) mostró ser el mejor método en la estimación de la presión actual de vapor de agua |
Resumen en inglés | Although real vapor pressure is a fundamental variable in the calculation of the evapotranspiration of crops, a component of the hydrological cycle, it is difficult and costly to measure directly. Consequently, in practice calculations are based on temperature data and psychometric relationships. The objective of the present work was to compare different conventional methods used to calculate real vapor pressure with calculations performed using two types of artificial neural networks–feedforward backpropagation and radial basis function. Meteorological data were used from four weather stations in Irrigation District 075, located in Valle del Fuerte, in northern Sinaloa State, Mexico. The results indicate that the radial basis function type of artificial neural network (Scenario E4) was the best method to calculate real vapor pressure |
Disciplinas: | Geociencias |
Palabras clave: | Ciencias de la atmósfera, Monitoreo atmosférico, Humedad atmosférica, Déficit de presión de vapor, Redes neuronales artificiales |
Keyword: | Earth sciences, Atmospheric sciences, Atmospheric screening, Atmospheric humidity, Vapor pressure deficit, Artificial neural networks |
Texto completo: | Texto completo (Ver HTML) |