این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آبیاری و زهکشی، جلد ۹، شماره ۲، صفحات ۳۱۴-۳۲۲
عنوان فارسی تهیه مدل بهینه‌‌سازی آبیاری شیاری با استفاده از الگوریتم جفت‌گیری زنبور عسل (HBMO)
چکیده فارسی مقاله در بسیاری از کشورهای جهان، آبیاری سطحی یکی از مهم­ترین روش­­های آبیاری محسوب می­شود. بنابراین توجه به طراحی و افزایش راندمان این روش­ها ضروری به نظر می­رسد. از این رو بهترین روش طراحی، طراحی بهینه است که در آن راندمان های­ مورد نظر در ترکیب خطی خود در یک تابع هدف بهینه شوند. هدف از این مطالعه، استفاده از مدل SIRMOD، شبکه عصبی مصنوعی و الگوریتم بهینه­یابی جفت گیری زنبور عسل جهت شبیه­سازی و بهینه­سازی پارامترهای طراحی آبیاری شیاری نظیر طول شیار، دبی ورودی و زمان قطع جریان می­باشد. نتایج حاصل از شبکه عصبی نشان داد که شبکه عصبی مصنوعی با ضریب تبیین بالا (96/0، 97/0، 99/0 و 97/0) برای تمام خروجی­ها از توانایی خوبی در شبیه­سازی هیدرولیک آبیاری سطحی برخوردار بود که این امر تا حد زیادی به تنوع بانک داده و آموزش مناسب شبکه وابسته است. هم­چنین، برقراری لینک بین شبکه عصبی و الگوریتم جفت­گیری زنبور عسل به منظور بهینه­سازی پارامترهای طراحی نیز نتایج قابل قبولی در پی داشت. میانگین مقادیر حاصل از بهینه سازی پارامترهای طراحی عبارتند از 202 متر برای طول شیار، 13/2 لیتر در ثانیه برای دبی ورودی و 6/28 دقیقه برای زمان قطع جریان بود. به­طور کلی شبکه عصبی و الگوریتم جفت­گیری زنبور عسل توانایی خوبی در شبیه­سازی و بهینه­سازی پارامترهای آبیاری شیاری داشته و می­توان نتایج حاصل را به­عنوان مقادیر بهینه در طراحی پذیرفت.
کلیدواژه‌های فارسی مقاله آبیاری سطحی،الگوریتم فراکاووشی،شبیه سازی،راندمان،شبکه عصبی،
عنوان انگلیسی Developing a Furrow Irrigation’s Optimization Model Using Honey Bee Mating Algorithm
چکیده انگلیسی مقاله In many countries across the world, surface irrigation is one of the most important and most common ways to irrigate the fields. So paying attention to improving surface irrigation methods and increasing their efficiency looks necessary. Thus the best design approach is optimized design in which the considered efficiencies in their linear combination are optimized in one goal function. So the purpose of this study is using Sirmod Model, artificial neural network and honey bee mating optimization algorithm for simulation and optimization the surface irrigation parameters like furrow length, inlet discharge and cutoff time. The obtained results showed that the artificial neural network with high R- square for all the outputs has a good ability in simulating surface irrigation’s systems which is so much depended on the variety of the data bank and proper training of the network. Also linking neural network and honey bee mating algorithm in order to develop a simulation- optimization model provided acceptable results which can be used as optimal values in designing. The average values of optimizing design parameters are 202 meter for furrow length, 2.13 liter per seconds for inlet discharge and 28.6 minutes for cutoff time.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله نرجس ریحانی |
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه بیرجند، بیرجند، ایران

عباس خاشعی سیوکی |
استادیار گروه مهندسی آب دانشگاه بیرجند، بیرجند، ایران

علی شهیدی |
دانشیار گروه مهندسی آب دانشگاه بیرجند، بیرجند، ایران

نشانی اینترنتی http://idj.iaid.ir/article_54913_c07f0344152f87d8c54d23cc38812c0b.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات