کنترل کانال با استفاده از یادگیری تقویتی معکوس برای کاهش خطاهای سطح آب و تحویل آب

در این پژوهش، عملکرد یک سامانه کنترل هوشمند برای شبکه‌های آبیاری با استفاده از روش یادگیری تقویتی معکوس (irl) و بهینه‌سازی مبتنی بر پاداش ارزیابی می‌گردد. هدف این مطالعه، توسعه و اعتبارسنجی چارچوبی است که خطاهای تحویل آب را به حداقل رسانده و کارایی را نسبت به روش‌های متداول بهبود بخشد. نتایج عددی نشان‌دهنده پیشرفت چشمگیر است؛ به‌طوری‌که سیاست کنترلی آموخته‌شده، میانگین خطای مطلق (mae) را به کمتر از %5.0 کاهش داد، در حالی که این شاخص در فرآیندهای پایه بیش از 20% بود. تحلیل نتایج بر اساس کانال‌های مجزا نشان داد که رویکرد مبتنی بر پاداش، با وجود ناپایداری اولیه در برخی کانال‌ها، به دقتی استثنایی (mae ≤1.3%) دست می‌یابد. دستاوردهای این تحقیق، کارایی کوتاه‌مدت سیستم در مدیریت دقیق منابع آب را تایید می‌کند و نشان می‌دهد که عملکرد آن به‌طور مداوم در محدوده خوب قرار گرفته و از سیستم‌های کنترل دستی و خودکار سنتی پیشی می‌گیرد. با این حال، ناپایداری در برخی شرایط عملیاتی، لزوم بهبود توابع پاداش با در نظر گرفتن معیارهای پایداری بلندمدت را برای پژوهش‌های آتی آشکار می‌سازد.