AI预测用户每天用水量以促进环保，节约水资源

编译：chux

出品：ATYUN订阅号

农业使用世界上70％的水，这似乎意味着水需求的上升趋势。在这种情况下，其他工业部门的需求也在增加，气候变化的影响会影响日益严重的水资源短缺，如果我们想要维持这一部门并保护生命，节水措施已成为不可避免的挑战。

这是农学系研究员Rafael González在开发能够预先预测每个用户每天所需水量的模型时所面临的挑战。因此，这个工具需要与水资源可持续性合作。

该模型的创新之处在于应用了AI技术，如模糊逻辑，一种用于解释决策行为的系统。在这种情况下，它混合了更容易测量的变量，如农业气候变量或要灌溉的土地面积的大小，以及其他更复杂的变量，如该地区的传统方法和浇水季节的假期。

FIS模型（模糊逻辑系统）将输入变量（温度，湿度等）转换为其规则所用的语言。通过应用遗传算法，为这些输入参数建立最优曲线，并通过神经网络建立它们之间的关系。结果，推导出施加的灌溉深度以确定每个用户将使用多少水。

该工具旨在控制不同的水需求。通过这样做，用水协会将能够以更有条理和更准确的方式使用供水系统，预测泵站适应问题并有效地组织维护和故障修复任务，而不浪费水或影响灌溉区域。

抢占水需求的前景也允许仅在必要时雇用员工和承包电力服务，优化这些资源，同时还具有成本效益和环保。

这些数据是如何获得的？

该工具的创建转化为基于知识和信息的用水协会管理的变化。在过去，这种管理主要基于直觉或其他年份所做的事情。相反，现在这些协会可以依赖准确的信息。

但这些信息来自哪里？在这种情况下，为了确定不同作物的不同用途如何影响模型的准确性，Rafael使用用水协会远程控制系统的数据来处理玉米，水稻和番茄作物。通过这种方式，远程控制和遥测系统的可行性是显而易见的。

迄今为止，这些系统生成的数据基本上用于向网络中的每个用户收取他们使用的水量，而使用该系统，所有生成的测量值都用于预测。因此，提出的模型是重新考虑用水协会使用的测量系统的原因，不仅满足了协会的技术工人和管理人员，也满足了遥测领域的创新公司的需求。所有这一切都是在考虑全球节水努力下完成的。