Isham Alzoub
La nivelación de tierras es uno de los pasos más importantes en la preparación del suelo para fines agrícolas y otros. Se han empleado nuevas técnicas basadas en inteligencia artificial, como la Red Neuronal Artificial, la integración de la Red Neuronal Artificial y el Algoritmo Competitivo Imperialista (ICA-ANN), o los Algoritmos Genéticos (GA-ANN), o la Optimización de Enjambre de Partículas (PSO-ANN) para desarrollar modelos predictivos para estimar los parámetros relacionados con la energía y los resultados se compararon con los resultados del SPSS y el Análisis de Sensibilidad. En este estudio, se midieron varias propiedades del suelo como el volumen de corte/relleno, el factor de compresibilidad, la gravedad específica, el contenido de humedad, la pendiente del área, el porcentaje de arena y el índice de hinchamiento y se investigaron sus efectos en el consumo de energía. En total, se recolectaron 90 muestras de 3 áreas de tierra con un tamaño de cuadrícula de 20 m × 20 m. El objetivo de este trabajo fue desarrollar modelos predictivos basados en técnicas de inteligencia artificial para predecir los indicadores ambientales de la nivelación de tierras. Los resultados del análisis de sensibilidad ilustraron que solo tres parámetros consisten en densidad del suelo, compresibilidad del suelo y volumen de corte/relleno del suelo que tenían efectos significativos en el consumo de energía. Entre los métodos propuestos, el GA-ANN tuvo la mayor capacidad para predecir los parámetros energéticos ambientales. Sin embargo, para la predicción de LE y FE, los algoritmos ANN e ICA-ANN tuvieron un mejor desempeño. Por otro lado, el software SPSS tuvo un valor R 2 más alto que el software Minitab y el análisis de sensibilidad y, de hecho, cercano a los valores de ANN. Palabras clave: Energía; Algoritmo competitivo imperialista; Análisis de sensibilidad; ANN; Nivelación de tierras; Indicadores ambientales.
English 
Chinese 
Russian 
German 
French 
Japanese 
Portuguese 
Hindi