خانه :: اساتید :: اخبار

بازدید:24329   بروزرسانی: 02-09-1402

Hassan Ojaghlou

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.
چکيده


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.