Publication:
Redes neuronales artificiales para modelizar la emergencia de malas hierbas

Simple item page
dc.contributor.authorTorra, Joel
dc.contributor.authorRoyo Esnal, Aritz
dc.contributor.authorChantre, Guillermo R.
dc.contributor.authorRecasens, Jordi
dc.date.accessioned2018-02-07T12:18:28Z
dc.date.available2018-02-07T12:18:28Z
dc.date.issued2017
dc.descriptionComunicación presentada al XVI Congreso de la Sociedad Española de Malherbología, celebrado en la Universidad Pública de Navarra entre los días 25 y 27 de octubre de 2017.es_ES
dc.description.abstractEl objetivo del presente trabajo fue desarrollar redes neuronales artificiales (RNA) para predecir la emergencia del bromo (Bromus diandrus) y comparar su capacidad predictiva con los modelos sigmoidales (MS). Los tiempos termales e hídricos fueron usados como variables independientes de entrada (modelo bivariado) y la proporción de emergencia acumulada fue considerada la variable de salida, para un total de 16 escenarios distintos (con diferentes fechas de siembra y manejos del suelo), con el fin de comparar la bondad de los ajustes con la raíz del error medio cuadrático (REMC) entre las RNA y los MS. Los resultados indican que tanto las RNAs como los MSs predicen satisfactoriamente la emergencia de B. diandrus. Sin embargo, se observó un mejor ajuste en 11 de los 16 escenarios evaluados utilizando RNA (REMCun 46% más bajos comparados con los MS).es_ES
dc.description.abstractThe objective of the present study was to develop artificial neural networks (ANN) to predict the field emergence of brome (Bromus diandrus) and compare their predictive capabilities with non-linear sigmoidal models (NLM) previously developed (MS). Thermal and hydric times were used as independent input variables in bivariate models, while the proportion of cumulative emergence was used as the output variable, for a total of 16 different scenarios (with different sowing times and soil managements), with the aim of comparing the goodness of fit with the root-mean square errors (RMSE) between the ANN and NLM. Results indicate that both modelling approaches are able to predict satisfactorily B. diandrus emergence. However, in 11 of 16 scenarios tested, the RMSES were lower (46% on average) using ANN compared to NLM.en
dc.description.sponsorshipLos datos utilizados en este trabajo corresponden a resultados de ensayos de sendos proyectos financiados por el Ministerio de Educación y Ciencia de España (AGL2007-60828 y AGL2010- 22084-C02-01).es_ES
dc.format.extent5 p.
dc.format.mimetypeapplication/pdfen
dc.identifier.isbn978-84-9769-327-1
dc.identifier.urihttps://academica-e.unavarra.es/handle/2454/27125
dc.language.isospaen
dc.publisherUniversidad Pública de Navarra / Nafarroako Unibertsitate Publikoaes
dc.relation.ispartofMercedes Royuela Hernando y Ana Zabalza Aznárez (editoras): XVI Congreso de la Sociedad Española de Malherbología: actas. Pamplona-Iruña, 25-27 octubre, 2017. Universidad Pública de Navarra Nafarroako Unibertsitate Publikoa, 2017.es_ES
dc.rightsLicencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (CC BY-NC-ND 4.0)es_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessen
dc.rights.accessRightsAcceso abierto / Sarbide irekiaes
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectBromus diandruses_ES
dc.subjectMínimo laboreoes_ES
dc.subjectModelo no lineal sigmoidales_ES
dc.subjectSiembra directaes_ES
dc.subjectBromus diandruses_ES
dc.subjectMinimum tillageen
dc.subjectNo-linear modelen
dc.subjectDirect drillingen
dc.titleRedes neuronales artificiales para modelizar la emergencia de malas hierbases_ES
dc.title.alternativeArtificial neural networks to model weed emergenceen
dc.typeinfo:eu-repo/semantics/conferenceObjecten
dc.typeContribución a congreso / Biltzarrerako ekarpenaes
dc.type.versioninfo:eu-repo/semantics/publishedVersionen
dc.type.versionVersión publicada / Argitaratu den bertsioaes
dspace.entity.typePublication

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
P1.3.pdf
Size:
708.17 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download

Collections

XVI Congreso de la Sociedad Española de Malherbología