Estimación de un sistema de evapotranspiración en Autlán de Navarro mediante una red neuronal difusa

Autores/as

DOI:

https://doi.org/10.66482/evfaxj25

Palabras clave:

evapotranspiración, ANFIS, red neuronal, Autlán de Navarro

Resumen

La evapotranspiración corresponde a una de las mediciones climatológicas más relevantes de las últimas décadas debido a su impacto en la agricultura, forestación, y otras áreas de la Tierra. Específicamente, el estudio de la evapotranspiración en la región de Autlán de Navarro, Jalisco, México, tiene una gran importancia debido a que corresponde a una de las regiones agrícolas más importantes del occidente mexicano. No obstante, la medición de estos parámetros es bastante compleja, lo cual implica que nunca se tenga una verdadera medición sino una estimación. Por ello, en este trabajo se presenta la estimación de evapotranspiración en dicha región mediante un modelo neuronal ANFIS. Los resultados muestran una alta precisión respecto a los datos de entrada, con errores inferiores al 1%.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Eduardo H. Haro, Centro Universitario de la Costa Sur, Universidad de Guadalajara

    El Dr. Eduardo H. Haro es profesor investigador del Centro Universitario de la Costa Sur de la Universidad de Guadalajara, en Autlán de Navarro, Jalisco. Sus áreas de interés son el cómputo evolutivo, la inteligencia artificial, el control automático y la robótica aplicada.  

Referencias

A. Srivastava, S. Jain, R. Maity, and V. R. Desai, “Demystifying artificial intelligence amidst sustainable agricultural water management,” in Current Directions in Water Scarcity Research, vol. 7, Jan. 2022, pp. 17–35, https://doi.org/10.1016/B978-0-323-91910-4.00002-9

K. Chartzoulakis and M. Bertaki, “Sustainable water management in agriculture under climate change,” Agriculture and Agricultural Science Procedia, vol. 4, pp. 88–98, Jan. 2015, https://doi.org/10.1016/J.AASPRO.2015.03.011

S. Jovic, B. Nedeljkovic, Z. Golubovic, and N. Kostic, “Evolutionary algorithm for reference evapotranspiration analysis,” Computers and Electronics in Agriculture, vol. 150, pp. 1–4, Jul. 2018, https://doi.org/10.1016/J.COMPAG.2018.04.003

H. L. Penman, “Natural evaporation from open water, bare soil and grass,” Proceedings of the Royal Society of London. Series A, Mathematical and Physical Sciences, vol. 193, no. 1032, pp. 120–145, Apr. 1948, https://doi.org/10.1098/RSPA.1948.0037

R. G. Allen, L. S. Pereira, D. Raes, and M. Smith, Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements, FAO Irrigation and Drainage Paper 56. Rome, Italy: FAO, 1998.

M. Y. Chia, Y. F. Huang, C. H. Koo y K. F. Fung, “Recent advances in evapotranspiration estimation using artificial intelligence approaches with a focus on hybridization techniques—A review,” Agronomy, vol. 10, no. 1, p. 101, Jan. 2020, https://doi.org/10.3390/AGRONOMY10010101

S. Kambalimath and P. C. Deka, “A basic review of fuzzy logic applications in hydrology and water resources,” Applied Water Science, vol. 10, no. 8, pp. 1–14, Aug. 2020, https://doi.org/10.1007/S13201-020-01276-2

IIEG, “Autlán de Navarro diagnóstico del municipio agosto 2021,” Instituto de Información Estadística y Geográfica de Jalisco, 2021.

J. S. R. Jang, “ANFIS: Adaptive-network-based fuzzy inference system,” IEEE Transactions on Systems, Man, and Cybernetics, vol. 23, no. 3, pp. 665–685, 1993, https://doi.org/10.1109/21.256541

A. Z. Zangeneh, M. Mansouri, M. Teshnehlab, and A. K. Sedigh, “Training ANFIS system with DE algorithm,” in Proceedings of the 4th International Workshop on Advanced Computational Intelligence (IWACI), 2011, pp. 308–314, https://doi.org/10.1109/IWACI.2011.6160022

B. J. Wythoff, “Backpropagation neural networks: A tutorial,” Chemometrics and Intelligent Laboratory Systems, vol. 18, pp. 115–155, 1993. https://doi.org/10.1016/0169-7439(93)80052-J

Y. Yang, Y. Chen, Y. Wang, C. Li, and L. Li, “Modelling a combined method based on ANFIS and neural network improved by DE algorithm: A case study for short-term electricity demand forecasting,” Applied Soft Computing, vol. 49, pp. 663–675, 2016, https://doi.org/10.1016/j.asoc.2016.07.053.

P. K. Pandey, P. P. Dabral, and V. Pandey, “Evaluation of reference evapotranspiration methods for the northeastern region of India,” International Soil and Water Conservation Research, vol. 4, no. 1, pp. 52–63, 2016, https://doi.org/10.1016/j.iswcr.2016.02.003.

R. Noori et al., “Assessment of input variables determination on the SVM model performance using PCA, Gamma test, and forward selection techniques for monthly stream flow prediction,” Journal of Hydrology, vol. 401, no. 3–4, pp. 177–189, 2011, https://doi.org/10.1016/j.jhydrol.2011.02.021

F. Wilcoxon, “Individual comparisons by ranking methods,” in Breakthroughs in Statistics, S. Kotz and N. L. Johnson, Eds. New York, NY, USA: Springer, 1992, pp. 196–202, https://doi.org/10.1007/978-1-4612-4380-9_16

Descargas

Publicado

2026-08-31

Número

Vol. 2 Núm. 2 (2026): Segundo Volumen

Sección

Artículo Científico

Licencia

Derechos de autor 2026 Revista Ciencia Aplicada

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Cómo citar

H. Haro, E., Pelayo-López, J. A. ., Lobato-González, B. A., & Rodríguez-Herrera, J. A. (2026). Estimación de un sistema de evapotranspiración en Autlán de Navarro mediante una red neuronal difusa. Revista Ciencia Aplicada, 2(2), 1-16. https://doi.org/10.66482/evfaxj25