تحلیل حساسیت پارامترهای موثر بر هزینه سامانه های آبیاری قطره ای با استفاده از الگوریتم های فراابتکاری

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 242

This Paper With 20 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IDJ-15-4_001

تاریخ نمایه سازی: 17 آبان 1400

Abstract:

این پژوهش با هدف تعیین موثرترین ویژگی ها بر هزینه سامانه های آبیاری قطره ای در چهار بخش شامل هزینه ایستگاه پمپاژ و سیستم کنترل مرکزی (TCP)، هزینه لوازم داخل مزرعه (TCF)، هزینه نصب و اجرای داخل مزرعه و ایستگاه پمپاژ (TCI) و هزینه کل (TCT) انجام شد. ابتدا داده ها و اطلاعات ۱۰۰ پروژه آبیاری قطره ای اجراشده در نقاط مختلف کشور، جمع آوری گردید و بانک اطلاعاتی شامل ۳۹ متغیر مهم و تاثیرگذار در هزینه بخش های ذکرشده، تهیه شد. بر اساس تحلیل حساسیت انجام شده، بهترین معیارهای ارزیابی در بخش TCP به دست آمد و مقدار عددی آماره گاما، خطای مطلق قابل انتظار، آماره گرادیان، خطای استاندارد آماره گاما، ضریب تبیین و شاخص V-Ratio به ترتیب برابر با ۰/۰۴۸، ۰/۲۱۹، ۰/۰۰۸، ۰/۰۲۴، ۰/۸۷ و ۰/۱۹۲ ثبت شد که این بیانگر همبستگی بالای متغیرهای مورد مطالعه با هزینه بخش مذکور است. برای یافتن ترکیب بهینه از داده ها جهت مدل سازی هزینه ، از سه روش الگوریتم ژنتیک (GA)، تپه نوردی (HC) و تعبیه کامل (FE) استفاده شد. نتایج این بخش نشان داد که تعداد متغیرهای مورد نیاز و ترکیب بهینه ورودی که در روش های GA و HC به ترتیب حدود ۴۰ درصد و ۹۰ درصد از متغیرها (به ترتیب ۱۶ و ۳۵ متغیر) در امر مدل سازی دخیل بودند، در روش FE به ۲۰ درصد رسیده و فقط هشت متغیر جهت مدل سازی هزینه انتخاب شده است که نتایج این روش به عنوان مدل برتر انتخاب گردید. همچنین نتیجه مدل هیبرید نشان داد زمانی که از پنج متغیر QT (l/s) (مقدار کل دبی آب قابل دسترس)، SR (m) (فاصله ردیف گیاهان)، QE (l/s) (دبی گسیلنده)، T (h) (تعداد ساعات کاری در شبانه روز) و NIT (n) (تعداد نوبت های آبیاری) به عنوان ترکیب بهینه ورودی جهت مدل سازی هزینه سامانه های آبیاری قطره ای استفاده شود، ساده ترین و بهینه ترین مدل به دست می آید. ب

Authors

مسعود پورغلام آمیجی

گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.

خالد احمدآلی

گروه احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

عبدالمجید لیاقت

گروه مهندسی آبیاری و آبادانی دانشگاه تهران

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 :
  • رضازاده جودی، ع. و ستاری، م. ت. ۱۳۹۶. ارزیابی عملکرد ...
  • قبائی سوق، م.، مساعدی، ا.، حسام، م. و هزارجریبی، ا. ...
  • میرعربی، ع.، ناصری، ح. ر.، نخعی، م. و علیجانی، ف. ...
  • Banzhaf, W., Nordin, P., Keller, R. E., and Francone, F. ...
  • Borgonovo, E., and Plischke, E. ۲۰۱۶. Sensitivity analysis: a review ...
  • Douglas-Smith, D., Iwanaga, T., Croke, B. F., and Jakeman, A. ...
  • Durrant, P. J. ۲۰۰۱. winGamma: A non-linear data analysis and ...
  • El-Shater, T., Yigezu, Y. A., Shideed, K., and Aw-Hassan, A. ...
  • Flores, J. H. N., Faria, L. C., Rettore Neto, O., ...
  • Gany, A. H. A., Sharma, P., and Singh, S. ۲۰۱۹. ...
  • GeeksforGeeks. ۲۰۲۱. https://www.geeksforgeeks.org/introduction-hill-climbing-artificial-intelligence/ (Last Updated: ۲۲ Mar, ۲۰۲۱)Goyal, P., and ...
  • Hart, J. L., Bessac, J., and Constantinescu, E. M. ۲۰۱۹. ...
  • Kenyon-Dean, K., Newell, E., and Cheung, J. C. K. ۲۰۲۰. ...
  • Komkov, V., Choi, K. K., and Haug, E. J. ۱۹۸۶. ...
  • Koncar, N. ۱۹۹۷. Optimisation methodologies for direct inverse neurocontrol (Doctoral ...
  • Kumar, M., and Kumar, P. ۲۰۲۱. Stage-discharge-sediment modelling using support ...
  • Liu, J., Lin, Y., Lin, M., Wu, S., and Zhang, ...
  • Miao, J., and Niu, L. ۲۰۱۶. A survey on feature ...
  • Mitchell, M. (۱۹۹۸). An introduction to genetic algorithms. MIT press ...
  • Moghaddamnia, A., Gousheh, M. G., Piri, J., Amin, S., and ...
  • Nekue, N., Bedani, M. A., and Khashei Siuki, A. ۲۰۲۱. ...
  • Oki, T. ۲۰۲۰. World Water Resources at Stake. In Human ...
  • Otani, M., and Jones, A. J. ۱۹۹۷. Guiding chaotic orbits. ...
  • Park, C. S. ۲۰۱۲. Fundamentals of Engineering Economics. Chan S. ...
  • Pazoki, M., Yadav, A., and Abdelaziz, A. Y. ۲۰۲۰. Pattern-recognition ...
  • Pourgholam-Amiji, M., Liaghat, A., Ghameshloua, A., Khoshravesh, M., and Waqas, ...
  • Qian, G., and Mahdi, A. ۲۰۲۰. Sensitivity analysis methods in ...
  • Remesan, R., and Mathew, J. ۲۰۱۶. Hydrological data driven modelling. ...
  • Remesan, R., Shamim, M. A., and Han, D. ۲۰۰۸. Model ...
  • Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., ...
  • Section. ۲۰۲۰. https://www.section.io/engineering-education/understanding-hill-climbing-in-ai/ (Last Updated: ۱۶ December ۲۰۲۰)Seifi, A., and ...
  • Sinha, B. B., and Dhanalakshmi, R. ۲۰۲۲. Recent advancements and ...
  • Sivanandam, S. N. and Deepa. S. N. ۲۰۰۸. Introduction to ...
  • Skalak, D. B. ۱۹۹۴. Prototype and feature selection by sampling ...
  • Solorio-Fernández, S., Carrasco-Ochoa, J. A., and Martínez-Trinidad, J. F. ۲۰۲۰. ...
  • Stefánsson, A., Končar, N., and Jones, A. J. ۱۹۹۷. A ...
  • Tsui, A. P., Jones, A. J., and De Oliveira, A. ...
  • Valentín, F., Nortes, P. A., Domínguez, A., Sánchez, J. M., ...
  • Yin, Z., Luo, Q., Wu, J., Xu, S., & Wu, ...
  • نمایش کامل مراجع