Santana Ching, IvánSosa López, RicharMadruga Peláez, AlexandraMéndez Broche, Ariel2019-09-092019-09-092019-06-15https://dspace.uclv.edu.cu/handle/123456789/11344Los Mapas Cognitivos Difusos son capaces de integrar el conocimiento de los expertos de forma natural y tienen grandes potencialidades en la obtención de modelos precisos e interpretables. La presente investigación consiste en el diseño y simulación de un modelo, basado en dicha técnica de Inteligencia Artificial e incorporando la teoría LTCNIs, para predecir el comportamiento de tres de los factores principales (volumen de riego, conductividad eléctrica en la solución lixiviada y diámetro de la base del tallo) del riego en el cultivo protegido de tomate. Estas son variables con sustento científico que ofrecen ayuda a los expertos para la toma de decisiones sobre el manejo de los requerimientos hídricos. Las pruebas realizadas, utilizan mediciones comprendidas en un período de 234 días, de las cuales el 70% se emplea para entrenar el modelo y el 30% restante para validar los resultados. Inicialmente se obtuvo un error cuadrático medio de 16,8% en el proceso de inferencia, partiendo de las condiciones iniciales establecidas por los expertos. Como resultado de la validación del proceso de aprendizaje se disminuyó el error al 1,5%, para lo cual los expertos emitieron una valoración positiva. Además, este resultado se corroboró estadísticamente a partir de la obtención de un valor de correlación casi perfecto de 0,8 entre el volumen de riego estimado respecto a los valores reales.esEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas.Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: CreativeCommons: Atribución-No Comercial-Compartir Igual 4.0 LicenseModelo de RiegoInteligencia ArtificialMapas Cognitivos DifusosThesis