شبیه سازی تغییرات ضریب یکنواختی توزیع آب در سامانه‌های آبیاری بارانی کلاسیک ثابت با استفاده از مدل های داده کاوی

هدف: کمبود آب در جهان و سهم عمده مصرف آن در بخش آبیاری محصولات، ضروری می دارد تا از علوم مختلف در جهت افزایش بهره وری آب بهره برد. ضریب یکنواختی توزیع آب در سامانه های آبیاری بارانی، از شاخص های مهمی است که در ارزیابی عملکرد آنها موثر بوده است و تنها مقادیر زیاد آن می تواند اجرای این سامانه ها را توجیه پذیر کند. هدف از این پژوهش استفاده از مدل های ماشین بردار پشتیبان (svm) و برنامه ریزی بیان ژن ((gep برای شبیه سازی ضریب یکنواختی توزیع آب در شرایط مزرعه ای دشت ملکان در شمال غرب ایران است که در حوضه آبریز دریاچه ارومیه، دچار تنش آبی سختی است.مواد و روش ها: آزمایشهای صحرایی بر روی هفت مزرعه مجهز به سامانه آبیاری بارانی کلاسیک ثابت با آبپاش متحرک (komet 162, 163) با متغیرهای فواصل آبپاش روی لترال ها و مانیفلدها، فشار کارکرد و سرعت باد انجام شد و داده های ضریب یکنواختی توزیع به دست آمد. از دو مدل (svm) و ((gep برای شبیه سازی مقدار ضریب یکنواختی استفاده شد. تحلیل حساسیت نشان داد هر سه متغیر به عنوان ورودی های مدل ها باید انتخاب شود. سهم فرآیندهای آموزش و آزمون از داده ها به ترتیب 70 درصد و 30 درصد در نظر گرفته شدند. با استفاده از این داده ها، پارامترهای تنظیمی هر یک از مدل ها برای رسیدن به بهینه ترین خروجی محاسبه شدند. ارزیابی عملکرد مدل ها با چهار شاخص rmse (مجموع مربعات میانگین خطا)، mae (میانگین خطای مطلق)، r2 (ضریب تبیین) و ddr (نسبت تفاوت توسعه داده شده) انجام شد.نتایج: رتبة اول دقت شبیه سازی به مدل gep اختصاص یافت. مقدار شاخص های (rmse, mae, r2) در گام آموزش و آزمون به ترتیب (0.8634، 2.6827، 3.5087) و (0.9833، 0.9494، 1.1787) برای gep به دست آمدند. مقدار شاخص های ارزیابی (rmse, mae, r2) برای بهینه ترین مدل svm در گام آزمون و آموزش نیز به ترتیب (0.7884، 4.2704، 4.8917) و (0.9185، 2.4113، 2.6790) حاصل شدند. در گام آموزش مقدار cu(ddr(max)) برای مدل gep و svm به ترتیب 7.0540 و 5.2925 محاسبه شد. مقدار این شاخص در گام آزمون برای این دو مدل به ترتیب 20.8355 و 9.2863 بود. مقایسة مقدار این شاخص نیز نشان از دقت بیشتر و بالاتر مدل gep نسبت به مدل svm داشت. در مجموع هر دو مدل قدرت شبیه سازی مقدار یکنواختی توزیع آب در آبیاری بارانی با شرایط مزرعه ای را دارند، اما  استفاده از مدل gep منجر به نتایج بهتری خواهد شد.

simulating of changes in water distribution uniformity coefficient in classic stationary sprinkler irrigation using data-mining models

objective: the lack of water in the world and its heavy consumption in the crop irrigation sector makes it necessary to use different sciences to increase water efficiency. the coefficient of uniform water distribution in sprinkler irrigation systems is one of the important effective indicators in evaluating their performance. only high values can justify implementing these systems. the purpose of this research is to use support vector machine (svm) and gene expression programming (gep) models to simulate the coefficient of uniform water distribution in the farm conditions of malekan plain in the northwest of iran, placed in the catchment area of the urmia lake is experiencing severe water stress.methods: field experiments were carried out on seven farms equipped with a classic stationary sprinkler irrigation system with a movable sprinkler (komet 162, 163) with variables of sprinkler intervals on laterals and manifolds, operating pressure, and wind speed. then, uniform distribution coefficient data were obtained. two models (svm) and (gep) were used to simulate the value of the uniformity coefficient. the sensitivity analysis showed that all three variables should be selected as model inputs. 70% and 30% of data were considered for the share of training and test processes, respectively. using these data, the adjustment parameters of each model were calculated to reach the most optimal output. the evaluation of the performance of the models was done with four indicators: rmse (sum of square mean error), mae (mean absolute error), r2 (explanation coefficient), and ddr (developed difference ratio).results: the first rank of simulation accuracy was assigned to the gep model. the values of the indicators (rmse, mae, r2) were obtained in the training and test steps, respectively (3.5087, 2.6827, 0.8634) and (1.1787, 0.9494, 0.9833) for gep. the values of the evaluation indices (rmse, mae, r2) for the most optimal svm model in the test and training steps were obtained (4.8917, 4.2704, 0.7884) and (2.6790, 2.4113, 0.9185) respectively. in the training step, the value of cu(ddr(max)) for gep and svm models was calculated as 7.0540 and 5.2925 respectively. the value of this index in the test step for these two models was 20.8355 and 9.2863 respectively. the comparison of the value of this index also showed that the gep model was more accurate than the svm model. in general, both models can simulate the amount of water distribution uniformity in sprinkler irrigation in field conditions. however, using the gep model will lead to better results.