بهره‌برداري از كانال هاي آبياري با استفاده از روش هاي هوشمند

سابقه و هدف: رشد سريع جمعيت، كشاورزي، شهرنشيني و صنعت موجب افزايش تقاضاي آب و رقابت براي مصرف‌ هاي مختلف شده است. ترويج بهره ‌وري آب در كشاورزي تأثير قابل توجهي بر افزايش راندمان مصرف آب دارد. روش‌هاي توزيع و تحويل آب نيز نقش تعيين ‏كننده ‌اي در ميزان انعطاف‌پذيري سامانه ‌هاي آبياري و بهبود بهره‌وري آب دارند. از ميان روش‌هاي موجود، روش تحويل برحسب درخواست، انعطاف‌پذيري بيشتري نسبت به روش گردشي دارد و نسبت به روش برحسب تمايل (برحسب تقاضا) به زيرساخت‌هاي كمتري نياز دارد. تنظيم مناسب سازه ‌ها و دستورالعمل‌ هاي بهره ‌برداري بين درخواست‌ هاي متوالي تابعي از تغييرات دبي، فاصله زماني بين بهره برداري‌ ها، همزماني درخواست‌ هاي مختلف، شرايط فيزيكي سازه ‌هاي كانال و رفتار هيدروديناميكي جريان مي‌ باشد كه موجب پيچيدگي و لزوم استفاده از روش‌ هاي رياضي جهت مدل‌سازي و بهره برداري مي‌گردد. در اين تحقيق از روش جديد FSL و روش ANN استفاده گرديد و به‌ منظور تعيين عملكرد روش جديد بكار رفته عملكرد آن با روش ANN مقايسه گرديد. داده ‌هاي بكار رفته نيز مربوط به كانال عقيلي شرقي واقع در استان خوزستان مي ‌باشند. مواد و روش‌ ها: در اين تحقيق، مقايسه كارائي دو روش يادگيري مدرن (يادگيري تقويتي سارساي فازي) و يادگيري سنتي (شبكه‌هاي عصبي مصنوعي) به ‌منظور برنامه ‌ريزي توزيع و تحويل آب در روش تحويل برحسب درخواست در كانال عقيلي شرقي استان خوزستان انجام شد. به‌ منظور شبيه‌ سازي از 70%، 15% و 15% داده ‌ها به ترتيب براي آموزش، كاليبراسيون و اعتبار سنجي مدل‌ها استفاده شد. يادگيري و آموزش داده ‌هاي دبي و بازشدگي آبگيرها توسط شبكه ‌هاي عصبي مصنوعي پرسپترون چند لايه و تابع پايه شعاعي انجام و بهترين حالت تنظيم سازه ‌ها با استفاده از معيارهاي ضريب همبستگي و ريشه ميانگين مربعات خطا انتخاب شد. همچنين، بهترين تنظيم سازه‌ها با استفاده از روش يادگيري تقويتي نيز استخراج گرديد. به ‌منظور ارزيابي نتايج نيز از سنجه‏ هاي راندمان، كفايت، پايداري و عدالت در تحويل آب و همچنين سنجه ‌هاي ميانگين و حداكثر نوسانات سطح آب نسبت به عمق هدف استفاده گرديد.نتايج و بحث: براساس نتايج به ‌دست آمده مشاهده شد كه سنجه MPA در روش شبكه عصبي مصنوعي براي بلوك‌هاي اول و دوم كانال به ترتيب برابرند با 0.952 و 0.919 و در حالت استفاده از روش سارساي فازي اين مقادير به ترتيب برابر 0.996 و 1 مي‌ باشند. همچنين مقادير سنجه MPF در هنگام شبيه ‌سازي با استفاده از شبكه عصبي در هر دو بلوك برابر 1 مي ‌باشد و در شبيه ‌سازي با استفاده از FSL اين مقادير برابر 0.999 و 0.971 مي‌ باشند. در روش MLP خطاي حداكثر نوسانات سطح آب در بلوك ‌هاي اول و دوم به ترتيب برابرند با 9.2 و 3.8 درصد و در روش FSL اين خطاها برابرند با 5.5 و 7.4 درصد. نتايج نشان داد كه سنجه ‌هاي ميانگين و حداكثر نوسانات سطح آب برابر حداقل خود مي ‌باشند و سنجه ‌هاي تحويل آب نيز به مقادير مطلوبشان نزديك مي‌ باشند. به ‌طور كلي مي‏ توان نتيجه گرفت با توجه به سنجه ‎هاي ارزيابي، روش FSL نتايج بهتري نسبت به روش MLP دارد. با اين حال نتايج روش MLP نيز قابل قبول و معتبر مي ‏باشد.نتيجه ‌گيري: در اين تحقيق از روش شبكه‌هاي عصبي پرسپترون چندلايه و تابع پايه شعاعي در برنامه متلب جهت تعيين دستورالعمل‌هاي بهره‌برداري كانال عقيلي شرقي در استان خوزستان استفاده شد و نتايج با روش سارساي فازي مورد مقايسه قرار گرفت. به‌منظور شبيه‌سازي هيدروديناميكي كانال نيز، مدل ICSS مورد استفاده قرار گرفت. بررسي‌ها نشان داد كه نتايج شبكه پرسپترون چندلايه از شبكه تابع پايه شعاعي بهتر است و نتايج مدل‌سازي با روش سارساي فازي نيز از روش پرسپترون چندلايه مناسب‌تر مي‌باشد. اما بهرحال هر دو روش مي‌توانند در عمل مورد استفاده قرار گيرند.