پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,975,554 |
| تعداد دریافت فایل اصل مقاله | 89,647,886 |
بهینه‌سازى حجم عملیات تسطیح اراضى به روش حداقل مربعات و مقایسه با الگوریتم ژنتیک والگوریتم بهینه‌سازی ازدحام ذرات | ||
| مهندسی بیوسیستم ایران | ||
| مقاله 3، دوره 45، شماره 2، مهر 1393، صفحه 105-112 اصل مقاله (1.58 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijbse.2014.52638 | ||
| نویسندگان | ||
| ایشام الزعبی* 1؛ علی رجبى پور2؛ حجت احمدى3؛ فرهاد میرزایى4 | ||
| 1دانشجوی دکتری گروه مهندسى مکانیک ماشین‌هاى کشاورزى، پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| 2استاد گروه مهندسى مکانیک ماشین‌هاى کشاورزى، پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| 3دانشیار گروه مهندسی مکانیک ماشین های کشاورزی، پردیس کشاورزی و منابع طبیعی دانشکاه تهران | ||
| 4استادیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران | ||
| چکیده | ||
| زمین تحت کشت باید دارای شیب مناسب در جهت طولی و عرضی باشد تا یکنواختی توزیع آب تأمین شود و از هدررفت آب و نیز فرسایش خاک زراعی جلوگیری شود. از آنجا که عملیات تسطیح بسیار پرهزینه است، هدف از عملیات تسطیح، ایجاد شیب مناسب به‌منظور توزیع یکنواخت آب در زمین ناهموار و ایجاد صفحۀ تسطیح به‌گونه‌ای است که تسطیح زمین با حداقل مقدار حجم عملیات خاکی صورت پذیرد. در این تحقیق مشخصات صفحۀ تسطیح زمین زراعی با استفاده از الگوریتم مدل‌سازی‌شده و نتایج به‌دست‌آمده با روش حداقل مجموع مربعات مقایسه شد. تحلیل آماری و توصیفی نتایج نشان داد که استفاده از الگوریتم ژنتیک )و الگوریتم بهینه‌سازی ازدحام ذراتPSO) برای تعیین مشخصات تسطیح در مقایسه با روش حداقل مجموع مربعات دقت و کارایی بیشتری دارد و اعمال محدودیت‌های تسطیح مانند حداکثر عمق خاک‌برداری در این روش ساده‌تر صورت می‌پذیرد. مقایسۀ این دو روش نشان داد که استفاده از الگوریتم ژنتیک مقدار حجم عملیات خاکی را با درنظرگرفتن سایر الزامات طراحی صفحۀ تسطیح (شیب‌های طولی و عرضی) به میزان 20 و 5/17 درصد کاهش داده است. حجم خاک‌برداری و خاکریزى در الگوریتم بهینه‌سازی ازدحام ذرات در مقایسه با الگوریتم ژنتیک حجم کمترى حاصل کرد. | ||
| کلیدواژه‌ها | ||
| ازدحام ذرات؛ الگوریتم؛ تسطیح؛ حداقل مجذور مربعات؛ ژنتیک | ||
| عنوان مقاله [English] | ||
| Optimization of Land Leveling Operations through Least Square Method and Its Comparison with the Genetic Algorithm and Particle Swarm Optimization Algorithm | ||
| نویسندگان [English] | ||
| Isham Alzoubi1؛ Ali Rajabipor2؛ Hojat Ahmadi3؛ Farhad Mirzaei4 | ||
| 1Ph. D. Student, Deptartment of Mechanizasion, College of agriculture and natural resources, Tehran University | ||
| 2Professor, Deptartment of Mechanizasion, College of agriculture and natural resources, Tehran University | ||
| 3Associate Professor, Deptartment of Mechanizasion, College of agriculture and natural resources, Tehran University | ||
| 4Assistant Professor, Deptartment of Mechanizasion, College of agriculture and natural resources, Tehran University | ||
| چکیده [English] | ||
| For a uniform distribution of water, decrease in water waste and decrease in erosion of soil, it is important that a land be prepared with proper slopes along its length as well as width. The aim of leveling is to create appropriate slopes for irrigation and drainage on the lands that were not already properly levelled and of the same time creating the level surface with a minimum transport of soil. Throughout the present study, characteristics of a level plane of an agricultural land are modeled by programming algorithm with the results being compared with Minimum Least Square method. Statistical and descriptive results show that Genetic Algorithm and Particle Swarm Optimization algorithm benefit from more accuracies than Minimum Least Square. Also, practice of such restrictions as maximum depth of excavation is easy to be applied in this method. In addition, using Genetic Algorithm method decreased the volume of excavation by 20% and 17.5%. Another method, called Particle Swarm Optimization, was also applied with the results indicating that the volume of the soil cut and fill for Particle Swarm Optimization method was recorded as less than that in Genetic Algorithm method. | ||
| کلیدواژه‌ها [English] | ||
| Algorithm, Leveling, Minimum Least Square, particle swarm optimization, Genetic | ||
| مراجع | ||
|
Sarmadian, F. & Mirzaei, F. (1999). Land Leveling. Iran Ministry of Education Publication. Tehran, Iran. Roshani, A. & Kochakzadeh, S. (2005). Assessing production method of level Cad. In Workshop of Modeling in Irrigation, Isfahan, Iran. Butler, E.D. (2004). The land leveling program in Arkansas delta. Agricultural Engineering 3, 128-131. Canzanescu, S. Mihai, D. & Mudura, R. (2010). Modern technology for land levelling, based on a 3D scanner. Research Journal of Agricultural Science 42, 471- 478. Chao, K.W. (2006). Particle Swarm Optimization training algorithm for ANNs in stage prediction of Shingmun river. Journal of Hydrology 329, 363-367. Chugg, G.E. (1947). Calculations for land grading. Agricultural Engineering 10, 461-463. Dauda, K.A. & Baiyeri, M.R. (2001). Assessment of cut and fill volume for irrigated agriculture using GIS-LMS. Oasis Journal of Research and Development 1, 28-39. Demir, A.O., Gundogdu, K.S. & Demirtas, C. (2008). Determination of cut and fill volumes in land levelling projects using geographical information system. Journal of Irrigation and Drainage Engineering ASCE 21, 34-39. Food and Agriculture Organization (FAO). (1989). Guidelines for designing and evaluating surface irrigation systems. FAO, Ir. and Drainage Papers, No 45. Roma, Italy. Givan, C.V. (1940). Land grading calculations. Agricultural Engineering 21, 11-12. Kennedy, J. & Eberhart, R. (1995). Particle swarm optimization. Proceedings of International Conference on Neural Networks, IEEE Service Center, Piscataway. Perth, Australia, pp.1942-1948. Meraji, S.H., Afshar M.H. & Afshar. A. (2005). Reservoir operation by particle swarm optimization algorithm. 7th International Conference of Civil Engineering 27 Apr., ICCE. Tehran, Iran. Modarres, M. & Shams, H. (2001). New models for land leveling optimization. Proceedings of the First National Industrial Engineering Conference Tehran, Iran. Montalvo, I. Izquierdoa, J., Pereza, R. & Tungb M.M. (2008). Particle swarm optimization applied to the design of water supply systems. Computers and Mathematics with Applications 56, 769˚776. Raju, V.S. (1960). Land grading for irrigation. Transactions of the ASAE 3, 38-41. Scaloppi, E.J. & Willardson, L.S. (1986). Practical land grading based on least squares. Journal of Irrigation and Drainage Engineering ASCE 112, 98-109. Shih, S.F. & Kriz, G.J. (1971). Symmetrical residuals method for land forming design. Transactions of the ASAE 14, 1195-1200. Beheshtitabar, I., Keyhani, A.R. & Rafiee, S. (2010). Energy balance in Iran's agronomy (1990-2006). Renewable and Sustainable Energy Reviews 14, 849-855. Smerdon, E.T., Tefertiller, K.R., Kilmer, R.E. & Billingsley, R.V. (1966). Electronic computers for least-cost land-forming calculations. Transactions of the ASAE 9, 190-193. Thankappan, S., Midmore, P. & Jenkins, T. (2006). Conserving energy in smallholder agriculture: A multi-objective programming case-study of northwest India. Ecological Economics 56,190-208. Watkins, K.B. Hill, J.L. & Anders, M.M. (2006). Evaluating the costs of precision-leveling rice fields. AAES Research Series, 411-416. Zhand, Y. & Wright, J.R. (2004). Global optimization of combined region aggregation and leveling model. Journal of Computing in Civil Engineering 18, 154-161. | ||
|
آمار تعداد مشاهده مقاله: 2,668 تعداد دریافت فایل اصل مقاله: 1,722 |
||