La escasez de agua y el elevado coste de la energía representan los principales problemas para las comunidades de regantes, que gestionan el agua para riego poniéndola a disposición de la agricultura en cualquier momento.

En un contexto de sequía, con un mercado eléctrico desregulado y cambiante, conocer cuándo y con cuánta agua se van a regar los cultivos permitiría a quienes gestionan librarse de esa incertidumbre a la hora de tomar decisiones y, por tanto, orientarlas hacia objetivos como el ahorro económico, la sostenibilidad medioambiental y la eficiencia. Para ello, la ciencia de datos y la Inteligencia Artificial son importantes aliadas.

Destro del proyecto HOPE la Universidad de Córdoba ha desarrollado el modelo más preciso hasta la fecha que permite predecir la demanda real de agua de riego a una semana vista y con un margen de error inferior al 2%, permitiendo así una gestión eficaz de los recursos y sin restar autonomía a sus usuarios. Este avance incropora la revolucionaria arquitectura de ‘deep learning’ Transformer, que desde su aparición en 2017 se ha implementado en diversos sectores y que está en la base de hitos de la Inteligencia Artificial como ChatGPT, y permite tratar mucha información de manera simultánea, delegando en su red neuronal artificial la selección y extracción de la información necesaria para que la predicción sea óptima.

+ Leer la noticia completa