کاظم شاهوردی - استادیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران.

کنترل سازه های موجود در کانال های آبیاری جهت تحویل و توزیع دقیق آب و جلوگیری از اتلاف آن، نیازمند استفاده از تکنیک های کنترلی مناسب است. اخیرا، یادگیری تقویی سارسا (Sarsa)، به عنوان یکی از شاخه های هوش مصنوعی، با هدف کنترل سازه ها و بهبود کفایت و راندمان تحویل و توزیع آب در کانالهای آبیاری استفاده شده است. جهت افزایش کارائی این الگوریتم و کاهش زمان لازم برای یادگیری الگوهای بهره برداری، در این تحقیق، با توسعه الگوریتم سارسا در کانال E۱R۱ از شبکه دز و تلفیق آن با مدل غیرخطی کانال، یادگیری یک بازه از کانال با روش سارسا انجام شد و الگوهای بهره برداری در سایر بازه ها با بکارگیری نتایج یادگیری استخراج و ارزیابی شد. یادگیری مدل مذکور با تعریف سناریوهای مختلف بهره برداری انجام شد و نتایج با استفاده از شاخص های استاندارد ارزیابی عملکرد، مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل ارائه شده با موفقیت قابل استفاده در کانال مذکور می باشد بطوری که در مرحله یادگیری، تغییرات عمق در محدوده مجاز ۵ درصد و در مرحله استفاده از نتایج یادگیری، در محدوده مجاز ۱۰ درصد قرار می گیرد. شاخص های کفایت و راندمان نیز نزدیک به مقدار مطلوب می باشند.

سازه های تنظیم, کانال آبیاری, مدیریت آب, یادگیری تقویتی