طراحی آبیاری نواری انتهابسته با مدل شبیه سازی WinSRFR و تکنیک بهینه سازی مجموعه ذرات (PSO)
Publish place: Irrigation and Drainage، Vol: 14، Issue: 2
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 301
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-14-2_020
تاریخ نمایه سازی: 25 اردیبهشت 1400
Abstract:
تخمین پارامترهای معادله نفوذ و ضریب زبری مانینگ از فرایندهای ضروری طراحی بهینه و ارزیابی سامانه های آبیاری سطحی به شمار می رود. تحقیق حاضر به منظور واسنجی این ضرایب برای یک سامانه آبیاری نواری انتهابسته با چهار سری اطلاعات میدانی انجام گرفت. در این راستا هیدرولیک جریان آب توسط نرم افزار WinSRFR و به روش حل اینرسی صفر، شبیه سازی و با الگوریتم بهینه-سازی مجموعه ذرات برای اجرای محاسبات تکراری ترکیب شد. تابع هدف بخش بهینه سازی به صورت کمینه سازی اختلاف بین زمان های پیشروی و پسروی محاسباتی و اندازه گیری شده و متغیرهای تصمیم مساله شامل چهار ضریب معادله نفوذ کوستیاکف اصلاح شده و ضریب زبری مانینگ در نظر گرفته شد. آنالیز حساسیت مدل توسعه یافته نشان داد در فاز پسروی ضریب b از معادله نفوذ و در فاز پیشروی ضریب زبری مانینگ می تواند بیشترین خطا را در پیش بینی نتایج داشته باشد. نتایج نشان داد که بر اساس پارامترهای بهینه شده در مدل، مجذور میانگین مربعات خطا برای پیش بینی زمان های پیشروی و پسروی در چهار آبیاری بین ۷۷/۳ تا ۸۶/۱۲ دقیقه و ضریب جرم مانده بین ۰۹۹/۰- تا ۰۰۳/۰ به دست آمد. مطابق نتایج، با بهینه سازی مدل WinSRFR، امکان دست یابی به بازده کاربرد و یکنواختی به ترتیب ۸۶ و ۸۴ درصد (با حفظ کفایت آبیاری ۱۰۰ درصد) براساس متغیرهای جریان (دبی ورودی و زمان قطع جریان) وجود دارد.
Keywords:
Authors
حمیدرضا قره محمدلو
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
وحید رضا وردی نژاد
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
رضا لاله زاری
پژوهشگر پسادکتری، گروه مهندسی منابع آب، دانشکده مهندسی عمران، دانشگاه تهران، تهران، ایران
نسرین آزاد
دانش آموخته دکتری، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :