Bayesian modelling of a decision support system for irrigation
Carregando...
Data
2024-02-22
Autores
Orientador
Balestieri, José Antônio Perrella 
Coorientador
Maciel, Carlos Dias
Pós-graduação
Engenharia - FEG 33004080027P6
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (inglês)
The Sustainable Development Goals are a set of seventeen goals proposed by the United Nations as guidelines to promote the sustainable growth of signatory nations. Such objectives include ones related to food security and safe water availability. Brazil is one of the leading countries in agricultural production, which ties most of its consumptive water usage to farming and irrigation. Most farmers activate their irrigation systems before dawn to save on water, electricity and related fees and require planning on the volume of water to supply the crops with enough to ensure optimal productivity. The main component of water loss is evapotranspiration, a complex and non-linear phenomenon that is a function of climatological variables and crop and soil parameters. Many analytical methods to estimate evapotranspiration require hard-to-obtain data or are approximations with a high region specificity. With the development of new computational tools, many researchers began to employ machine learning and remote sensing to improve the assessment of hydro-climatological variables. Bayesian Network is a class of probabilistic models based on graphs and appropriate to deal with stochastic problems and under scenarios of missing data with the main drawback as devolving into an NP-hard optimisation problem. A probabilistic model based on Bayesian Networks called Inference Diagram provides the toolset to develop support decision systems over stochastic scenarios. The objectives of this project are threefold. First, to implement and validate a bio-inspired algorithm to build a Bayesian Network from data. Second, to create a Bayesian Network capable of estimating evapotranspiration from climatological data even under missing data. And third, to propose an Influence Diagram model that accommodates hydro-climatological stochastic variables and provides suggestions on irrigation scheduling. This project's results achieve the first two objectives, each resulting in a published conference paper, while the third goal requires more development time.
Resumo (português)
Os Objetivos de Desenvolvimento Sustentável são um conjunto de dezessete objetivos propostos pelas Nações Unidas como diretrizes para promover o crescimento sustentável das nações signatárias. Tais objetivos incluem aqueles relacionados à segurança alimentar e disponibilidade de água potável. O Brasil é um dos países líderes em produção agrícola, que destina a maior parte de seu consumo de água para agropecuária e irrigação. A maioria dos agricultores ativa seus sistemas de irrigação antes do amanhecer para economizar água, eletricidade e taxas relacionadas e para tanto requerem planejamento no volume de água para abastecer as culturas com o suficiente para garantir a produtividade ideal. O principal componente da perda de água é a evapotranspiração, um fenômeno complexo e não linear que é função de variáveis climatológicas e parâmetros da plantação e solo. Muitos métodos analíticos para estimar a evapotranspiração requerem dados difíceis de obter ou são aproximações com alta especificidade de região. Com o desenvolvimento de novas ferramentas computacionais, muitos pesquisadores começaram a empregar aprendizado de máquina e sensoriamento remoto para melhorar a avaliação de variáveis hidroclimatológicas. A Rede Bayesiana é uma classe de modelos probabilísticos baseados em grafos e apropriada para lidar com problemas estocásticos e sob cenários de falta de dados com a principal desvantagem de recair em um problema de otimização NP-difícil. Um modelo probabilístico baseado em Redes Bayesianas chamado Diagrama de Influência fornece o conjunto de ferramentas para desenvolver sistemas de apoio à decisão sobre cenários estocásticos. Os objetivos deste projeto são três. Primeiro, implementar e validar um algoritmo bioinspirado para construir uma Rede Bayesiana a partir de dados. Em segundo lugar, criar uma Rede Bayesiana capaz de estimar a evapotranspiração a partir de dados climatológicos mesmo sob dados ausentes. E terceiro, propôr um modelo de Diagrama de Influência que acomode variáveis estocásticas hidroclimatológicas e forneça sugestões sobre o regime de irrigação. Os resultados deste projeto atingem os dois primeiros objetivos, cada um resultando em um artigo de conferência publicado, enquanto o terceiro objetivo requer mais tempo de desenvolvimento.
Descrição
Idioma
Inglês
Como citar
RIBEIRO, Vitor Pinto. Bayesian modelling of a decision support system for irrigation. Thesis (PhD in Mechanical Engineering) - Faculdade de Engenharia e Ciências, Universidade Estadual Paulista, Guaratinguetá, 2024.