1 Abstract— In this paper by applying system identification tools a neural network model of an irrigation main canal pool is obtained. The complete system identification procedure, from experimental design to model validation, taking into account prior physical information, is developed. It is established that a nonlinear model with NARX structure can adequately describe the dynamic behavior of an irrigation main canal pool. The model validation results show that the model obtained reproduces with high accuracy the observed data and therefore it can be applied in the design of nonlinear control systems and/or for prediction purposes. Keywords— Irrigation systems, neural network model identification, model validation, automation of irrigation canals, management of water resources. I. INTRODUCCIÓN N la actualidad, aumenta de forma creciente el déficit de agua potable en prácticamente todos los países de nuestro planeta, lo que ocasiona serias dificultades al desarrollo agrícola e industrial y pone en peligro la propia existencia del hombre [1]. Por consiguiente, uno de los mayores desafíos del siglo XXI consiste en el uso racional y sostenible de los recursos hidráulicos [2]. La agricultura representa al sector que consume la mayor cantidad de agua, absorbiendo dos tercios de las reservas disponibles, debido fundamentalmente a la necesidad de satisfacer las demandas de este recurso de los sistemas de riego y a la baja eficiencia que presentan estos sistemas [3]. Una de las medidas utilizadas para propiciar una gestión eficiente de los recursos hídricos en los sistemas de riego ha consistido en la aplicación de estrategias convencionales de control en los canales principales de riego, para garantizar una estricta correspondencia entre las demandas y las entregas [1]. Sin embargo, estas estrategias no siempre han conducido a resultados satisfactorios, existiendo grandes pérdidas de agua en estos sistemas por concepto de operación [4]. Es por ello, que actualmente la ciencia y la tecnología tienen el reto de desarrollar e implementar mejores y efectivas soluciones de control [5], como respuesta a la creciente demanda de agua de la agricultura, la industria y de la sociedad en general. Por ende, el diseño de sistemas efectivos de control de esta clase de plantas presenta una elevada actualidad e interés científico- Y. Hernández, Universidad Tecnológica de la Habana José Antonio Echeverría (CUJAE), La Habana, Cuba, ybra@electrica.cujae.edu.cu V. Feliu, Escuela Técnica Superior de Ingenieros Industriales, Universidad de Castilla-La Mancha (UCLM), Ciudad Real, España, vicente.feliu@uclm.es R. Rivas, Universidad Tecnológica de la Habana José Antonio Echeverría (CUJAE), La Habana, Cuba, rivas@electrica.cujae.edu.cu Corresponding author: Raul Rivas Perez técnico, económico y social [6]. El diseño de sistemas efectivos de control automático exige disponer de modelos matemáticos que describan de forma adecuada el comportamiento dinámico de las plantas a controlar [7]. Obviamente, el desempeño de un sistema de control depende en gran medida de la precisión del modelo utilizado en el diseño del controlador [8]. Un buen modelo debe capturar el comportamiento dinámico más relevante de la planta en condiciones reales y ser tan simple y robusto como sea posible [9, 10]. Los canales de riego constituyen plantas no lineales, con parámetros variantes en el tiempo, y cuyo comportamiento dinámico se describe mediante las ecuaciones de Saint- Venant, las cuales son no-lineales en derivadas parciales del tipo hiperbólicas con restricciones complejas, por lo que su aplicación en el diseño de sistemas de control automático presenta serias dificultades [11]. La identificación de sistemas constituye un área importante de la teoría del control que posibilita la construcción de modelos matemáticos de los procesos físicos sobre la base de las observaciones (mediciones) de sus señales de salidas y entradas obtenidas en condiciones de funcionamiento [9, 12]. En la actualidad, en base a estas herramientas han sido propuestos diferentes modelos matemáticos de canales principales de riego [1, 4, 13-18]. Es notorio destacar, que estos modelos se caracterizan por ser modelos lineales y por ende no describen de forma adecuada el comportamiento dinámico no lineal de este tipo de plantas. El diseño de controladores no lineales requiere de modelos no lineales de las plantas a controlar [5]. Las herramientas convencionales de identificación de sistemas presentan serias dificultades cuando se aplican en plantas con comportamientos dinámicos altamente no lineales [19]. Ello ha conducido al estudio de otras técnicas con el objeto de resolver estos inconvenientes. En este sentido, uno de los campos que ha despertado mayor interés es el basado en la aplicación de las redes neuronales artificiales (RNA), las cuales en los últimos años se han convertido en una herramienta general para abordar con efectividad y precisión una amplia clase de problemas de identificación y control de sistemas dinámicos complejos y especialmente de plantas no lineales variantes en el tiempo, que resultan muy difícil de controlar mediante los métodos convencionales [5, 20]. Las RNA constituyen un paradigma de aprendizaje y procesamiento automático de información inspirado en la forma en que funciona el sistema nervioso biológico [21, 22]. Además, debido a sus capacidades de aproximación, así como a sus inherentes características de adaptabilidad, las mismas constituyen una importante alternativa en el modelado de sistemas no lineales [23, 24]. Entre los aspectos que justifican la identificación del comportamiento dinámico de un canal E Artificial Neural Network Based System Identification of an Irrigation Main Canal Pool Y. Hernández, V. Feliu, Senior Member, IEEE and R. Rivas IEEE LATIN AMERICA TRANSACTIONS, VOL. 15, NO. 9, SEPTEMBER 2017 1595