_ Noul model de deep learning prezice cererea de apă și energie în agricultura cu mare acuratete

Scarența apei și costul ridicat al energiei reprezintă principalele probleme pentru comunitățile de irigații, care gestionează apa în acest scop, punând-o la dispoziție agriculturii.

Într-un context de secetă, cu o piață de energie electrică dereglementată și în schimbare, știind când și cu câtă apă vor fi irigate culturile ar permite celor care le gestionează să depășească incertitudinea atunci când iau decizii și, prin urmare, să-i îndrume către obiective precum economisirea economică, sustenabilitatea mediului. , și eficiență. Pentru aceasta, știința datelor și inteligența artificială sunt resurse importante.

Cercetătorii din grupul Hidraulică și irigații cu Unitatea de excelență María de Maeztu din Departamentul de Agronomie de la Universitatea din Córdoba (DAUCO) lucrează pentru a aplica această tehnologie de ultimă oră în domeniul agriculturii de precizie. Un exemplu în acest sens este proiectul HOPE, care se concentrează pe dezvoltarea unui model holistic de irigare de precizie care implică și aplicarea IA pentru a ghida luarea deciziilor.

În cadrul acestui efort, modelele de predicție au avut au fost dezvoltate care să furnizeze comunităților de irigații estimări riguroase ale cantității de apă de care vor avea nevoie cultivatorii pentru a satisface nevoile culturilor lor.

Cel mai recent model dezvoltat și cel mai precis până în prezent, face posibilă estimarea cererea reală de apă de irigare cu o săptămână înainte și cu o marjă de eroare mai mică de 2%, făcând astfel posibilă gestionarea eficientă a resurselor, totul fără a diminua autonomia utilizatorilor săi.

Conform cercetătorilor Rafael González. , Emilio Camacho și Juan Antonio Rodríguez, acest avans reprezintă un alt pas în linia digitalizării aplicate irigațiilor dezvoltată de grupul de cercetare AGR 228 „Hidraulică și irigare”. Acum, au aplicat arhitectura revoluționară a Transformer Deep Learning în domeniul irigațiilor de precizie.

De la apariția sa în 2017, aceasta a fost implementată în diverse sectoare și stă la baza reperelor de inteligență artificială, cum ar fi ca ChatGPT. Arhitectura „Transformer” se remarcă prin capacitatea sa de a stabili relații pe termen lung în date secvențiale prin ceea ce sunt cunoscute sub denumirea de „mecanisme de atenție”.

În cazul irigațiilor, această arhitectură de date permite o mulțime de informații să fie procesate simultan, delegând selecția și extragerea informațiilor necesare pentru predicția optimă către rețeaua sa neuronală artificială.

Date zilnice din campaniile de irigare din 2015 până în 2022 în comunitatea de irigatori a canalului Zujar din Don Benito (Badajoz) au fost utilizate pentru a valida rezultatele acestui model. În total, pentru antrenarea modelului au fost utilizate peste 1.800 de măsurători ale consumului de apă, combinate cu date despre temperatură, precipitații, radiații solare, evapotranspirație, viteza vântului, umiditate, tipuri de culturi etc.

Acest lucru a redus marja de eroare de la modelele anterioare de la 20% la doar 2%. Aplicat sistemelor integrate de suport decizional, acesta poate fi foarte util pentru managerii comunităților de irigații, oferind o prognoză precisă a cererii zilnice de apă pentru irigații pentru următoarele șapte zile în contexte de deficit de apă și prețuri mari la energie, dar și în cadrul unui angajament pentru managementul durabil al resurselor.

Lucrarea este publicată în revista Computers and Electronics in Agriculture.

(Fluierul)