%0 Journal Article %T بهره‌برداری از کانال های آبیاری با استفاده از روش های هوشمند %J فصلنامه علوم محیطی %I دانشگاه شهید بهشتی %Z 1735-1324 %A بیات, فاطمه %A قدوسی, حسام %A شاهوردی, کاظم %D 2022 %\ 03/21/2022 %V 20 %N 1 %P 57-76 %! بهره‌برداری از کانال های آبیاری با استفاده از روش های هوشمند %K روش بر حسب درخواست %K شاخص‎های ارزیابی %K عملکرد بهره برداری %K کانال عقیلی شرقی %R 10.52547/envs.2021.1045 %X 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. %U https://envs.sbu.ac.ir/article_101483_4060b8bd3e881d81ac7fed13b46ae6ba.pdf