شبيه سازي بار هيدروليكي با استفاده از الگوريتم بهينه سازي تجمع ذرات و الگوريتم ژنتيك (مطالعه موردي: مزارع كشت و صنعت نيشكر دعبل خزاعي)

Simulation of hydraulic head using Particle Swarm Optimization Algorithm and Genetic Algorithm. Case study: Debal khazaie sugarcane plantation

آزمايش هاي مزرعه اي به منظور شناخت شرايط موجود سامانه هاي زهكشي مفيد هستند، اما محدوديت هاي قابل توجهي نيز دارند. از جمله اينكه، اين آزمايش ها را نمي توان براي پيشبيني استفاده كرد. كاربرد مدل هاي شبيه سازي اين محدوديت ها را تا حدود زيادي برطرف مي كند. اما قبل از كاربرد چنين مدل هايي، درستي نتايج بدست آمده از آن ها بايد با نتايج آزمايش هاي مزرعه اي مقايسه گردد. در اين پژوهش از الگوريتم بهينه سازي تجمع ذرات و الگوريتم ژنتيك براي پيش بيني بارهيدروليكي استفاده شده است. بدين منظور مزرعه 11-9R از مزارع نيشكر دعبل خزاعي انتخاب و تعدادي پيزومتر در فواصل مختلف از جمع كننده زهاب و در اعماق 2/2، 3، 4و 5 متري از سطح زمين نصب شد. تغييرات بار هيدروليكي پيزومترها، و همچنين پارامترهاي ورودي مدل شامل حجم آب آبياري و دبي زهكش ها از مهر 1392 تا آذر 1393 بصورت روزانه برداشت شد. نتايج نشان داد كه بالاترين دقت در پيش بيني بارهيدروليكي مربوط به الگوريتم بهينه سازي تجمع ذرات مي باشد. به طوري كه مقدارميانگين RMSE اعماق مختلف بين مقادير اندازه گيري شده و شبيه سازي شده با الگوريتم هاي بهينه سازي تجمع ذرات و ژنتيك به ترتيب برابر 0/098 و 0/114 و مقدار ميانگين ضريب R^2 در اعماق مختلف براي الگوريتم هاي بهينه سازي تجمع ذرات و ژنتيك به ترتيب برابر 0/991 و 0/94 بدست آمد. همچنين نتايج آزمون آماري مقايسه ميانگين ها بين داده هاي اندازه گيري و شبيه سازي شده نشان مي دهد، بين هيچكدام از مقادير پيش بيني شده توسط مدل ها با داده هاي اندازه گيري شده اختلاف معني داري وجود ندارد.

Farm experiments are useful in knowing the drainage systems but they have considerable limitations including the inability to use them as prediction tools. Application of simulation models can cover these deficiencies but it is necessary to use the field data to evaluate the accuracy of the model. In this study, Particle Swarm Optimization Algorithm and Genetic Algorithm is used to predict hydraulic head. For this purpose, field R9-11 of the Debal Khazaei sugarcane plantation is selected and number piezometers were installed in different depth (2/2,3,4 and 5 meters from the ground) and distance from collector.Piezometers. hydraulic load changes, the volume of irrigation water and drainage flow were measured from September 2013 to November 2014 on a daily basis. The results showed that the Particle Swarm Optimization Algorithm has a highest accuracy in predicting hydraulic head. So that the average RMSE in different depths between measured and predicted with Particle Swarm Optimization Algorithm and Genetic Algorithm obtained 0.098 and 0.114 , respectively and the average coefficient R^2 in different depths for Particle Swarm Optimization Algorithm and Genetic Algorithm models obtained 0.991 and 0.94 respectively. The test results of the comparison between measured and simulated data show that, between any of the values predicted by the models, measured data were not significantly different.