Redes bayesianas aplicadas a un modelo CFD del entorno de un cultivo en invernadero

• Autores: Guillermo de la Torre Gea, Oscar Delfín Santisteban, Irineo Torres Pacheco, Genaro Soto Zarazúa, Ramón G. Guevara González, Enrique Rico García
• Localización: Agrociencia, ISSN 2521-9766, ISSN-e 1405-3195, Vol. 48, Nº. 3, 2014, págs. 307-319
• Idioma: español
• Títulos paralelos:
  • Bayesian networks applied in a CFD model of the crop in greenhouse
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Los avances en sistemas y recursos informáticos permiten desarrollar modelos para simular el comportamiento de los fluidos en invernaderos. Sin embargo, la predicción de los gradientes de masa y energía, en los invernaderos con el cultivo y ventilación natural, es difícil por la naturaleza estocástica del viento y las relaciones de dependencia entre la temperatura, CO2 y humedad relativa. Existen técnicas heurísticas, como las Redes Bayesianas, que ayudan a conocer las relaciones entre las variables que no pueden determinarse con herramientas estadísticas. El objetivo del presente estudio fue determinar la temperatura, concentración de CO2 y humedad relativa con respecto a la altura del cultivo, en un invernadero con ventilación natural, mediante Redes Bayesianas aplicadas a un modelo de Dinámica de Fluidos Computacional. La Red Bayesiana permitió determinar los espacios del invernadero con condiciones ambientales adversas para el desarrollo del cultivo y los estados climáticos más probables, a partir de las relaciones entre las variables estudiadas.

  • English

    The advances in computer systems and resources make it possible to develop models to simulate the behavior of the fluids in greenhouses. However, the prediction of the gradients of mass and energy in the greenhouses with the crop and natural ventilation is difficult due to the stochastic nature of the wind and the relationships of dependence among temperature, CO2 and relative humidity. There are heuristic techniques, such as the Bayesian Networks, which help to know the relationships among the variables that cannot be determined with statistical tools. The objective of the present study was to determine temperature, CO2 concentration and relative humidity with respect to crop height, in a greenhouse with natural ventilation, by means of Bayesian Networks applied to a model of Computational Fluid Dynamic. The Bayesian Network made it possible to determine the spaces of the greenhouse with adverse environmental conditions for the crop development and the most probable climatic states, from the relationships among the variables studied.