Erhöhung der Effizienz der Pflanzenwasserversorgung bei der Oberflächenbewässerung durch die Verbindung physikalisch begründeter Strömungsmodelle mit künstlichen neuronalen Netzen

点击翻译按钮获取中文摘要

Die Erhöhung der Nahrungsmittelproduktion zur Deckung des Bedarfs erfordert eine effizientere Bewässerung, was kaum noch durch die vielbehandelte Optimierung der Wasserzuführung zu erreichen ist, sondern nur durch eine ausgewogenere Pflanzenwasserversorgung. Diese soll erreicht werden durch die Verbindung physikalisch begründeter Modelle der ober- und unterirdischen Strömungsvorgänge mit künstlichen neuronalen Netzen als neues Prinzip zur Ermittlung günstigster Bewässerungsparameter. Das Vorgehen nutzt die Stärken der Prozeßmodelle für extrapolierende Berechnung und die enormen Vorteile künstlicher neuronaler Netze zur Interpolation einmal gespeicherter Szenarien. In einem 1. Schritt generieren die Strömungsmodelle eine Palette aller realistischen Bewässerungszenarien für ein Gebiet. Damit wird nun dem neuronalen Netz das Verhalten dieses Systems erschöpfend angelernt. Vor Ort liefert in einem 2. Schritt das neuronale Netz dann die Bewässerungsparameter für dieses Gebiet. Dieses 2-phasige Vorgehen vermeidet die hochkomplexe, klassische Optimierung und führt über die Entkopplung von Prozeßmodellierung und Optimierung zu einer einfachen Bestimmung der günstigsten Bewässerungsparameter. Eine Kopplung mit Pflanzenwachstumsmodellen überprüft u.a. die Nachhaltigkeit der zunächst für optimal befundenen Bewässerungsstrategie. Das angelernte neuronale Netz bietet eine kontinuierliche Adaption an sich verändernde Umweltbedingungen und kann z.B. in Form eines Chips weitreichende Anwendungsmöglichkeiten eröffnen.