Un modelo predice la demanda de agua para el riego con una semana de antelación

Un modelo de predicción de la demanda de agua para el riego desarrollado por el Departamento de Agronomía de la Universidad de Córdoba (UCO) es el primero en ofrecer pronósticos con una semana de antelación y un error inferior al 20 por ciento, según ha informado este jueves la institución académica.

"La gran diferencia con respecto a modelos anteriores es que es la primera vez que se hace a una escala de siete días vista", ha detallado el investigador Rafael González en referencia a este modelo, que combina tecnologías como la lógica difusa o varios centenares de redes neuronales.

Esta 'arquitectura neuronal', de hecho, tiene más de un millón y medio de parámetros y, aunque es una construcción compleja, para el usuario será sencilla, ya que "otra de las cuestiones importantes es que utiliza sólo cuatro variables, temperatura media, evapotranspiración de referencia, humedad y registros anteriores de riego", ha recalcado.

El gestor de la comunidad de regantes que implante esta tecnología sólo tendrá que introducir sus registros de riego de la semana previa, temperatura media, evapotranspiración de referencia y humedad y el modelo pone a trabajar su arquitectura para devolverle la previsión del agua que utilizarán los regantes a una semana vista, con un error de menos del 20 por ciento.

Esos son los resultados de la prueba de esta tecnología que se puede utilizar en un ordenador corriente y que ha sido verificada en el sector 2 de la Comunidad de Regantes del Zújar, donde el modelo además del bajo error ha conseguido reproducir hasta un 94 % de los escenarios planteados.

Juan Antonio Rodríguez, otro de los investigadores de la Unidad de Excelencia María de Maeztu-Departamento de Agronomía de la Universidad de Córdoba (Dauco) que como González ha trabajado en el proyecto, ha señalado que "el conocimiento de la demanda de agua con varios días de antelación facilitará el manejo del sistema y ayudará a optimizar el uso del agua y los costes de la energía".

Por ello, no sólo la gestión del agua mejora, sino que al conocer lo que se va a gastar en una semana se pueden tomar mejores decisiones también en cuestiones de energía ya que son muchas las comunidades de regantes que están instalando plantas fotovoltaicas y tener el pronóstico de demanda les permitirá "jugar combinando energía convencional y energía solar".

La tecnología que lo ha hecho posible es un nuevo modelo híbrido, llamado 'LSTMHybrid', una arquitectura neuronal elegida por el equipo porque está especialmente diseñada para predicciones en series temporales y que introduce la memoria, es decir, son capaces de retener cierta información de la que está recibiendo y usarla luego para predecir la demanda.

Para Emilio Camacho, el tercero de los investigadores que ha participado en la iniciativa, "el conocimiento está y la tecnología se ha probado y funciona, ahora hay que desarrollar la herramienta que permita a las comunidades usar esta tecnología de manera sencilla, que las empresas que vaya a hacer la solución tecnológica a la comunidad de regantes introduzca estos avances".