فاطمه بیات؛ حسام قدوسی؛ کاظم شاهوردی
چکیده
سابقه و هدف: رشد سریع جمعیت، کشاورزی، شهرنشینی و صنعت موجب افزایش تقاضای آب و رقابت برای مصرف های مختلف شده است. ترویج بهره وری آب در کشاورزی تأثیر قابل توجهی بر افزایش راندمان مصرف آب دارد. روش‌های توزیع و تحویل آب نیز نقش تعیین کننده ای در میزان انعطاف‌پذیری سامانه های آبیاری و بهبود بهره‌وری آب دارند. از میان روش‌های ...
بیشتر
سابقه و هدف: رشد سریع جمعیت، کشاورزی، شهرنشینی و صنعت موجب افزایش تقاضای آب و رقابت برای مصرف های مختلف شده است. ترویج بهره وری آب در کشاورزی تأثیر قابل توجهی بر افزایش راندمان مصرف آب دارد. روش‌های توزیع و تحویل آب نیز نقش تعیین کننده ای در میزان انعطاف‌پذیری سامانه های آبیاری و بهبود بهره‌وری آب دارند. از میان روش‌های موجود، روش تحویل برحسب درخواست، انعطاف‌پذیری بیشتری نسبت به روش گردشی دارد و نسبت به روش برحسب تمایل (برحسب تقاضا) به زیرساخت‌های کمتری نیاز دارد. تنظیم مناسب سازه ها و دستورالعمل های بهره برداری بین درخواست های متوالی تابعی از تغییرات دبی، فاصله زمانی بین بهره برداری ها، همزمانی درخواست های مختلف، شرایط فیزیکی سازه های کانال و رفتار هیدرودینامیکی جریان می باشد که موجب پیچیدگی و لزوم استفاده از روش های ریاضی جهت مدلسازی و بهره برداری می‌گردد. در این تحقیق از روش جدید [i]FSL و روش [ii]ANN استفاده گردید و به منظور تعیین عملکرد روش جدید بکار رفته عملکرد آن با روش ANN مقایسه گردید. داده های بکار رفته نیز مربوط به کانال عقیلی شرقی واقع در استان خوزستان می باشند. مواد و روش ها: در این تحقیق، مقایسه کارائی دو روش یادگیری مدرن (یادگیری تقویتی سارسای فازی) و یادگیری سنتی (شبکههای عصبی مصنوعی) به منظور برنامه ریزی توزیع و تحویل آب در روش تحویل برحسب درخواست در کانال عقیلی شرقی استان خوزستان انجام شد. به منظور شبیه سازی از 70%، 15% و 15% داده ها به ترتیب برای آموزش، کالیبراسیون و اعتبار سنجی مدلها استفاده شد. یادگیری و آموزش داده های دبی و بازشدگی آبگیرها توسط شبکه های عصبی مصنوعی پرسپترون چند لایه و تابع پایه شعاعی انجام و بهترین حالت تنظیم سازه ها با استفاده از معیارهای ضریب همبستگی و ریشه میانگین مربعات خطا انتخاب شد. همچنین، بهترین تنظیم سازه‌ها با استفاده از روش یادگیری تقویتی نیز استخراج گردید. به منظور ارزیابی نتایج نیز از سنجه های راندمان، کفایت، پایداری و عدالت در تحویل آب و همچنین سنجه های میانگین و حداکثر نوسانات سطح آب نسبت به عمق هدف استفاده گردید.نتایج و بحث: براساس نتایج به دست آمده مشاهده شد که سنجه [iii]MPA در روش شبکه عصبی مصنوعی برای بلوک‌های اول و دوم کانال به ترتیب برابرند با 952/0 و 919/0 و در حالت استفاده از روش سارسای فازی این مقادیر به ترتیب برابر 996/0 و 1 می باشند. همچنین مقادیر سنجه [iv]MPF در هنگام شبیه سازی با استفاده از شبکه عصبی در هر دو بلوک برابر 1 می باشد و در شبیه سازی با استفاده از FSL این مقادیر برابر 999/0 و 971/0 می باشند. در روش MLP خطای حداکثر نوسانات سطح آب در بلوک های اول و دوم به ترتیب برابرند با 2/9 و 8/3 درصد و در روش FSL این خطاها برابرند با 5/5 و 4/7 درصد. نتایج نشان داد که سنجه های میانگین و حداکثر نوسانات سطح آب برابر حداقل خود می باشند و سنجه های تحویل آب نیز به مقادیر مطلوبشان نزدیک می باشند. به طور کلی می توان نتیجه گرفت با توجه به سنجه های ارزیابی، روش FSL نتایج بهتری نسبت به روش MLP دارد. با این حال نتایج روش MLP نیز قابل قبول و معتبر می باشد.نتیجه گیری: در این تحقیق از روش شبکههای عصبی پرسپترون چندلایه و تابع پایه شعاعی در برنامه متلب جهت تعیین دستورالعمل‌های بهرهبرداری کانال عقیلی شرقی در استان خوزستان استفاده شد و نتایج با روش سارسای فازی مورد مقایسه قرار گرفت. بهمنظور شبیهسازی هیدرودینامیکی کانال نیز، مدل ICSS مورد استفاده قرار گرفت. بررسیها نشان داد که نتایج شبکه پرسپترون چندلایه از شبکه تابع پایه شعاعی بهتر است و نتایج مدلسازی با روش سارسای فازی نیز از روش پرسپترون چندلایه مناسبتر میباشد. اما بهرحال هر دو روش میتوانند در عمل مورد استفاده قرار گیرند.
