بازدید:24329 بروزرسانی: 02-09-1402
مهران رستملو، حسن اوجاقلو و مسعود کرباسی
مقایسه عملکرد سامانه استنتاج فازی- عصبی و برنامه ریزی بیان ژن به منظور تخمین ضریب یکنواختی پخش آب در سامانههای آبیاری بارانی کلاسیک Compartion performance of adaptive neuro-fuzzy inference system (ANFIS) and gene expression programming (GEP) to estimate water distribution uniformity coefficient in classic sprinkle irrigation systems.
|
يكي از مهمترين معیارهای ارزیابی عملکرد در طراحي سامانههای آبياري تحت فشار و به خصوص سامانههای آبیاری بارانی کلاسیک، شاخص يكنواختي پخش آب ميباشد. در این تحقیق عملکرد سامانه استنتاج فازی-عصبی و برنامه ریزی بیان ژن به منظور تخمین ضریب یکنواختی پخش آب در سامانه آبیاری بارانی کلاسیک ثابت در شرایط مختلف از نظر سرعت باد، آرایش آبپاشها، دبی و نوع آبپاشها مورد ارزیابی و مقایسه قرار گرفت. به همین منظور یک سامانه آبیاری بارانی کلاسیک ثابت با در نظر گرفتن آرایشهای مختلف لولهها و آبپاشها طراحی و اجرا شد. تعداد 54 آزمایش مزرعهای به منظور ارزیابی عملکرد یک سامانه آبیاری بارانی کلاسیک ثابت انجام گرفت. کمترین مقدار میانگین خطای مطلق برای روشهای استنتاج فازی و بیان ژن به ترتیب برابر با 2/6 و 1/5 درصد و بیشترین مقادیر ضریب همبستگی برای روشهای مذکور به ترتیب 77/0 و 72/0 بدست آمد. به طور کلی اختلاف بین عملکرد دو روش برنامه ریزی بیان ژن و سامانه استنتاج فازی ناچیز بود و حساسیتسنجی مدلها نشان داد، عامل دما و سرعت باد به ترتیب کمترین و بیشترین اثر را بر تغییرات ضریب یکنواختی پخش آب داشتند. بررسی مقادیر تخمین یافته ضریب یکنواختی پخش آب نشان داد، مدلهای هوشمند به خوبی توانستهاند اثر عواملی همچون سرعت باد و فواصل آبپاشها را بر کاهش مقدار یکنواختی پخش آب شبیه سازی نمایند. |