طراحی آبیاری نواری انتهابسته با مدل شبیه سازی WinSRFR و تکنیک بهینه سازی مجموعه ذرات (PSO)
محل انتشار: نشریه آبیاری و زهکشی ایران، دوره: 14، شماره: 2
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 276
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- 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
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
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 مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :