نرجس ریحانی - دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه بیرجند، بیرجند، ایران
عباس خاشعی سیوکی - استادیار گروه مهندسی آب دانشگاه بیرجند، بیرجند، ایران
علی شهیدی - دانشیار گروه مهندسی آب دانشگاه بیرجند، بیرجند، ایران

در بسیاری از کشورهای جهان، آبیاری سطحی یکی از مهم­ترین روش­­های آبیاری محسوب می­شود. بنابراین توجه به طراحی و افزایش راندمان این روش­ها ضروری به نظر می­رسد. از این رو بهترین روش طراحی، طراحی بهینه است که در آن راندمان های­ مورد نظر در ترکیب خطی خود در یک تابع هدف بهینه شوند. هدف از این مطالعه، استفاده از مدل SIRMOD، شبکه عصبی مصنوعی و الگوریتم بهینه­یابی جفت گیری زنبور عسل جهت شبیه­سازی و بهینه­سازی پارامترهای طراحی آبیاری شیاری نظیر طول شیار، دبی ورودی و زمان قطع جریان می­باشد. نتایج حاصل از شبکه عصبی نشان داد که شبکه عصبی مصنوعی با ضریب تبیین بالا (۹۶/۰، ۹۷/۰، ۹۹/۰ و ۹۷/۰) برای تمام خروجی­ها از توانایی خوبی در شبیه­سازی هیدرولیک آبیاری سطحی برخوردار بود که این امر تا حد زیادی به تنوع بانک داده و آموزش مناسب شبکه وابسته است. هم­چنین، برقراری لینک بین شبکه عصبی و الگوریتم جفت­گیری زنبور عسل به منظور بهینه­سازی پارامترهای طراحی نیز نتایج قابل قبولی در پی داشت. میانگین مقادیر حاصل از بهینه سازی پارامترهای طراحی عبارتند از ۲۰۲ متر برای طول شیار، ۱۳/۲ لیتر در ثانیه برای دبی ورودی و ۶/۲۸ دقیقه برای زمان قطع جریان بود. به­طور کلی شبکه عصبی و الگوریتم جفت­گیری زنبور عسل توانایی خوبی در شبیه­سازی و بهینه­سازی پارامترهای آبیاری شیاری داشته و می­توان نتایج حاصل را به­عنوان مقادیر بهینه در طراحی پذیرفت.

آبیاری سطحی, الگوریتم فراکاووشی, شبیه سازی, راندمان, شبکه عصبی