
تعداد نشریات | 163 |
تعداد شمارهها | 6,762 |
تعداد مقالات | 72,839 |
تعداد مشاهده مقاله | 131,915,739 |
تعداد دریافت فایل اصل مقاله | 103,550,755 |
توسعه روش یادگیری تقویتی معکوس به صورت تلفیق با مدل هیدرودینامیک ICSS در کانال دز | ||
تحقیقات آب و خاک ایران | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 16 اردیبهشت 1404 اصل مقاله (1.52 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2025.392613.669911 | ||
نویسندگان | ||
امیرحسین توانا1؛ کاظم شاهوردی* 2؛ حسام قدوسی1 | ||
1گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران. | ||
2گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا همدان، همدان، ایران. | ||
چکیده | ||
مدیریت بهینه منابع آب در شبکههای آبیاری بهعنوان راهکاری کلیدی برای مقابله با چالش کمآبی است. در این پژوهش، یک روش ترکیبی نوین مبتنی بر یادگیری تقویتی معکوس (IRL) و مدلسازی هیدرودینامیک با ICSS برای بهینهسازی بهرهبرداری از کانال E1-R1 شبکه دز توسعه داده شد. در این روش، تابع پاداش بهصورت خودکار از تجربیات بهرهبرداران خبره (شبیهسازی شده با ICSS) استخراج گردید. با تلفیق آن با مدل شبیهساز هیدرودینامیک، سیاستهای بهینه کنترل سازههای آببند و آبگیر تعیین شد. دادههای بهرهبرداری تحت سناریوهای متنوعی شامل دبیهای ورودی تصادفی (۱/۱ تا 3/1مترمکعب بر ثانیه) و الگوهای مختلف آبگیری تحلیل شد. نتایج حاکی از کارایی بالای سیستم پیشنهادی بود، بهطوری که میانگین راندمان تحویل آب 97/0، کفایت تأمین نیاز 95/0 و حداکثر خطای کنترل عمق 3/۱۴ درصد شد. خطای تجمعی عمق آب نیز در تمامی سناریوها کمتر از ۱۰ درصد باقی ماند که نشاندهنده پایداری سیستم در بلندمدت است. این یافتهها مؤید آن است که رویکرد IRL با یادگیری دانش ضمنی بهرهبرداران و تبدیل آن به سیاستها، میتواند بهصورت مؤثری تلفات آب را کاهش داده و عملکرد شبکههای آبیاری را ارتقا بخشد. | ||
کلیدواژهها | ||
سازههای کنترل و تنظیم؛ روش هوشمند؛ مدل هیدرودینامیک؛ یادگیری | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 162 تعداد دریافت فایل اصل مقاله: 97 |