MODELO COMPUTACIONAL PARA LA ESTIMACION DE LA DENSIDAD DE SUELO A TRAVEZ DEL SENSORAMIENTO CONTINUO

RESUMEN DE ARTÍCULO

MODELO COMPUTACIONAL PARA LA ESTIMACION DE LA DENSIDAD DE SUELO A TRAVEZ DEL SENSORAMIENTO CONTINUO.

La densidad del suelo es considerada como uno de los factores más importantes que indican la compactación de suelo, esta causa cambios en el contenido de humedad y en la aireación del suelo impidiendo el desarrollo radicular de las plantas, la determinación de la compactación del suelo es necesaria para determinar la severidad e identificar la manera más adecuada para combatirla. El incremento de la compactación puede ser determinado mediante el uso de mediciones indirectas de las tensiones del suelo o la reducción de espacios porosos interconectados.

Dada la importancia de la compactación del suelo se han desarrollado sensores para su medición continua y en sitios específicos. Como principio de funcionamiento emplean la medición de los esfuerzos del suelo, la permeabilidad de los fluidos o el contenido de agua en el suelo, los más aceptados son los que basan su principio de funcionamiento  en la medición de la resistencia mecánica del suelo ya sea en todo el perfil del suelo o en una profundidad dada. Estas lecturas son usadas posteriormente para estimar la compactación del suelo. Los parámetros de operación que se tienen en cuenta durante el sensado de la compactación, son: la profundidad, el ancho del órgano de trabajo y la velocidad de trabajo. Las variables más utilizadas para caracterizar el estado físico del suelo son: humedad, textura y densidad del suelo, siendo el contenido de humedad la variable que mayor significación tiene en la exactitud de las predicciones.

Con el avance de las técnicas se han desarrollado métodos de aprendizaje automatizado, los cuales han sido enfocados fundamental mente al desarrollo de modelos para la estimación de varias variables. El Aprendizaje Automatizado es una rama de la inteligencia artificial cuyo objetivo desarrollar técnicas que permitan crear programas que puedan aprender de forma similar a la de un humano.

Para el desarrollo del modelo se emplearon tres métodos de predicción numérica: redes neuronales del tipo multicapa (MLP), K de los vecinos más cercanos (K-NN).

El desarrollo del modelo, conto con varias etapas, inicialmente se creó una base de datos en un editor de texto, donde se incluyeron mediciones de la fuerza de tiro horizontal del suelo durante la experimentación en las condiciones controladas del suelo de CEMA, además de experimentos realizados por otros investigadores en diferentes condiciones y tipos de suelo. También se incluyeron las variables requeridas por los modelos para la estimación de la densidad del suelo. Posteriormente se realizó un pre procesamiento de la base de datos, consistente en normalizar la misma, con el objetivo de transformar el rango de valores a un intervalo determinado, para que los atributos estén en un mismo rango. Una vez normalizada la base de datos, se pasó a la búsqueda de los modelos para lo cual se recurrió al ejemplo de tres métodos de predicción numérica; regresión lineal; redes neuronales de tipo multicapa; y K de vecinos más cercanos a través de la herramienta computacional seleccionada (WEKA), se aplicó una técnica de división de los datos para la enseñanza-entrenamiento-validación, denominada validación cruzada.

...