Desenvolvimento de modelos em redes neurais para simulação de precipitação na irrigação por aspersão.

• Ano de defesa: 2022
• Autor(a) principal: MENEZES, Paulo Lopes de.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Tecnologia e Recursos Naturais - CTRN; PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA; UFCG
• Palavras-chave em Português: Redes neurais artificiais - modelos; Simulação da precipitação - irrigação por aspersão; Irrigação por aspersão; Irrigação e drenagem; Modelagem e simulação; Modelo computacional; Aspersores; Uniformidade de distribuição - irrigação; Sistema de irrigação por aspersão; Coeficientes de uniformidade - sistemas de aspersão; Rede neural artificial perceptron multicamadas; Perceptron multicamadas - rede neural artificial; Algoritmo de treinamento backpropagation; Artificial neural networks - models; Precipitation simulation - sprinkler irrigation; Sprinkler irrigation; Irrigation and drainage; Modeling and simulation; Computational model; Sprinklers; Distribution uniformity - irrigation; Sprinkler irrigation system; Uniformity coefficients - sprinkler systems; Multilayer perceptron artificial neural network; Backpropagation training algorithm; Engenharia de Agrícola.
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28043

A eficiência de um sistema de irrigação por aspersão depende do desempenho do aspersor, que é dependente de algumas características como diâmetro do bocal, pressão de operação, velocidade e direção do vento, disposição e espaçamento no campo. A determinação dos coeficientes de uniformidade e a eficiência dos sistemas de aspersão dependem, em geral, de ensaios em campo que envolvem tempo e recursos financeiros. Uma alternativa para reduzir custo e tempo é a utilização de simulações para estimar os valores de precipitação ou dos coeficientes de uniformidade e eficiência. Neste trabalho foi proposta e testada a aplicação de uma rede neural artificial (RNA) do tipo Perceptron Multicamadas para simular a precipitação de um aspersor cujos parâmetros de entrada são os valores de pressão de operação, velocidade do vento, direção do vento e diâmetro do bocal do aspersor. Ensaios foram feitos em campo com um aspersor operando em uma malha de 16 x 16 coletores com espaçamento de 1,5 m, e diferentes combinações de bocais, pressões e condições de vento. Uma rede neural artificial foi treinada com vista a simular e estimar os valores de precipitação para o aspersor, dentro das condições ensaiadas. O modelo RNA apresentou bons resultados na simulação da precipitação com correlação de Spearman entre os dados obtidos em ensaio de campo e os dados simulados, apresentado valores entre 0,92 e 0,97 para dez ensaios analisados. Para a correlação entre o perfil de distribuição com os dados simulados pelo modelo RNA e os dados obtidos em ensaio de campo foram observados, para os mesmos dez ensaios, valores de coeficiente R2 de 0,95 a 0,99. O modelo RNA mostrou-se promissor na simulação da precipitação de aspersores em sistemas de irrigação por aspersão.