بررسی عملکرد روش برنامه‌نویسی بیان‌ژن در طراحی آرایش قطره‌چکان‌های سیستم‌های آبیاری قطره‌ای در مقایسه با معادلات تجربی

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 استادیار گروه مهندسی آب دانشگاه ولیعصر (عج) رفسنجان

2 استادیار گروه مهندسی آب دانشگاه ولیعصر(عج) رفسنجان

چکیده

سابقه و هدف: آرایش قطره‌چکان‌ها از مهمترین و اساسی‌ترین پارامترهای طراحی و اجرای سیستم-های آبیاری قطره‌ای است که تحت تاثیر الگوی توزیع رطوبت خاک قرار می‌گیرد. الگوی توزیع رطوبت خاک در سیستم‌های آبیاری قطره‌ای سطحی و زیرسطحی تأثیر ویژه‌ای بر پارامترهای طراحی از قبیل آرایش قطره‌چکان‌ها و لوله‌های فرعی ، محدوده توسعه ریشه گیاه، راندمان کاربرد آب در آبیاری قطره‌ای، توزیع نمک در خاک دارد. بنابراین ارائه روابطی بین بافت خاک، دبی قطره چکان، حجم آب نفوذ یافته به زمین، حجم خاک خیس شده و زمان برای تخمین قطر و عمق پیاز رطوبتی می‌تواند کمک شایانی در طراحی آرایش بهینه قطره‌چکان‌ها و مدیریت سیستم آبیاری نماید. از مهمترین این روابط، معادلات طراحی تجربی می‌باشند که مبتنی بر تحلیل آزمایشگاهی و روش آنالیز ابعادی باکینگهام ارائه شده‌اند. . هدف اصلی در پژوهش حاضر بررسی عملکرد روش برنامه‌نویسی بیان‌ژن در طراحی آرایش قطره‌چکان‌های سیستم‌های آبیاری قطره‌ای در ایران با دبی قطره‌چکان و بافت خاک مختلف در مقایسه با معادلات تجربی است.
مواد و روش‌ها: در این تحقیق از رویکرد برنامه نویسی بیان‌ژن(GEP) برای استخراج روابط بدون بعد الگوی توزیع رطوبت خاک با استفاده از مجموعه داده‌های دبی قطره‌چکان و بافت خاک استفاده شده است. برنامه نویسی بیان‌ژن در نرم افزار MATLAB انجام شده است. در کد تهیه شده عملگرها و توابع قابل استفاده در فرآیند استخراج روابط عبارتند از: جمع، تفریق، ضرب، تقسیم، جذر، لگاریتم طبیعی، توان دو، تانژانت هایپربولیک، سینوس، کسینوس، تابع نمائی، تابع توانی، قدرمطلق، جزء صحیح و شرط که با استفاده از قابلیت برنامه‌نویسی بیان‌ژن توابع تولیدی را ارائه می‌دهند. در این تحقیق معادلات کاربردی به صورت توابعی از حجم آب کاربردی در زمان آبیاری، هدایت هیدرولیکی خاک و زمان با برنامه‌نویسی بیان‌ژن بهینه‌سازی شدند. نتایج GEP با داده‌های اندازه‌گیری شده و روابط تجربی مقایسه شد. در نهایت براساس نتایج تحلیل بهینه پارتو در برنامه GEP، جداول طراحی کاربردی برای انتخاب بهینه آرایش قطره‌چکان‌ها منطبق بر شرایط ایران و در محدوده دبی قطره‌چکان و بافت خاک تهیه و ارائه شد.
یافته‌ها: مقایسه نتایج بهینه‌سازی با GEP و مجموعه روابط تجربی موجود در پیش‌بینی عمق توسعه پیاز رطوبتی (،2/0 RMSE= ،%12 MAPE=، 99/0 R2=) و در برآورد قطر پیاز رطوبتی ،19/0 RMSE= ،%5/18 MAPE=، 99/0 R2=) نشان داد که که دقت نتایج بهینه‌سازی مبتنی بر GEP نسبت به روابط تجربی قبلی بهتر است. نتایج معادلات شواتزمن و زار (1985) در تخمین عمق پیاز رطوبتی ،12/0 RMSE= ،%5/18 MAPE=، 99/0 R2=) و در تخمین قطر پیاز رطوبتی ،72/0 RMSE=،%92 MAPE=،97/0 R2=) است که نتایج بهینه‌سازی GEP هم دقت بهتری داشته و همه با محدوده کاربردی وسیعتر قابلیت استفاده در انواع خاک‌های مختلف و قطره‌چکان‌های با دبی گسترده منطبق بر شرایط ایران را دارد. پس از تائید دقت نتایج روابط حاصله از GEP، جداول طراحی کاربردی برای آرایش و فواصل قطره‌چکان‌های مختلف در خاک‌های شنی، سیلتی، لومی و رسی با اعماق متفاوت ارائه شده است.
نتیجه‌گیری: طبق نتایج، رویکرد بهینه‌سازی ژنتیکی نسبت به روابط قبلی دارای محدوده اعتبار وسیعتری می‌باشد( دبی 1 تا 50 لیتر در ساعت؛ عمق تا 110 سانتیمتر). همچنین با توجه به اینکه مدل GEP براساس مجموعه داده‌های آزمایشی منطبق بر شرایط قطره‌چکان‌های موجود در ایران بهینه‌سازی شده است و انواعی از شرایط مختلف کاربردی خاک و آب را در بر دارد، دقت مطلوب‌تری در تخمین الگوی توزیع رطوبت خاک در آبیاری قطره‌ای در ایران دارد. بنابراین استفاده از روابط ارائه شده با مدل GEP می‌تواند عدم قطعیت‌ها و خطاها در طراحی سیستم آبیاری قطره‌ای را کاهش داده و به بهبود کارآئی مصرف آب و عملکرد این سیستم‌ها در شرایط عملکردی ایران کمک نماید.

کلیدواژه‌ها


عنوان مقاله [English]

Performance Evaluation of Gene Expression Programming Approach in Layout Design of Drippers in Drip Irrigation systems comparing with empirical method

چکیده [English]

Background and objectives: One of the essential aspects of design and management of drip irrigation system is soil moisture movement pattern and its dimensions in vertical and horizontal directions. Accurate estimation of soil water distribution in drip irrigation and subsurface drip irrigation is vital, because of its effects on design parameter as: emitters' layout, lateral spaces, plant root grow, efficiency application of water, salt distribution around the dripper, and has evident effects on Successfulness of drip irrigation systems. So deriving design equations between soil texture, emitter discharge, water volume infiltrated in soil, soil wetted volume and irrigation time for prediction of wetting bulb dimensions have major application values. One of these are empirical design equations, which derived based on dimensional analysis and experimental data. The other researchers have developed several empirical equations based on experimental data where need soil condition calibrations. The main objective of this study is to apply genetic expression programming for automatic function finding in DI and SDI wetting front dimensions and prepare design tables in different soil and dripper conditions.
Materials and Methods: in this study GEP approach is used for automatic function finding of dimensionless soil water distribution equations using available extended data. GEP programming is done in MATLAB. The GEP code use operator and functions of: plus, minus, times, divide square, power, tanh, sin, cos, exp, abs, if-then and derive predictor equations based on GEP automatically. This paper presents design equations based on volume water, irrigation time, and emitter discharge and soil hydraulic conductivity. The results of derived equations are compared with observations graphically and by R2, RMSE and MAPE indices. The final form of optimum equations derived based on pareto analysis over generations. Finally design tables for different soil, root depth and emitter discharges are presented.
Results: GEP results are compared with those of 8 empirical equations using graphical and statistical indices of R2, RMSE, and MAPE. Based on the results it is cleared that the GEP model with RMSE=0.2, MAPE=12%, R2=0.99 values for depth and RMSE=0.19, MAPE=18.5%, R2=0.99 values for wetting front diameter have better results the others and is superior for applying in different and extensive design conditions. The Schwartzman and Zur (1985) empirical model have RMSE=0.12, MAPE=18.5%, R2=0.99 values for depth and RMSE=0.72, MAPE=97%, R2=0.97 values for wetting front diameter has some errors. Also design tables based on optimum GEP results based on conventional condition of Iran soil and emitters are developed.
Conclusion: Based on the results GEP equations have extensive validation ranges (discharge ranges 1 to 5 l/s, depth up to 110 cm) than other empirical equations and involves different conditions of emitter and soil and based on the results comparisons using GEP equations will reduce uncertainties in design of drip irrigation systems and will improve water use efficiency and performances of these systems.

کلیدواژه‌ها [English]

  • drip irrigation
  • design tables
  • drippers layout
  • Gene expression programming
  • soil water distribution patters
1.Alizadeh, A. 2009. Irrigation System Design (Volume 2). ImamRezaUniversity Press, Mashhad, Iran, 370p. (In Persian)
2.Bresler, E. 1978. Analysis of trickle irrigation with application to design problems. Irrig. Sci. 1: 1. 3-17.
3.Cook, F.J., Thorburn, P.J., Fitch, P., and Bristow, K.L. 2003. Wet Up: a software tool to display approximate wetting patterns from drippers. Irrig. Sci. 22: 3-4. 129-134.
4.Ghorbanianm, M., Ebrahimian, E., and Merit, A. 2014. Evaluation models HYDRUS-2D and SEEP/W in estimation of wetting surface and subsurface drip irrigation gravity. Iran. J. Water Soil. 28: 1. 179-189.
5.Hasanli, A. 1990. Check drip irrigation systems and solutions to improve the management
and increase productivity. 10th National IRNCID Congress Proceedings, Tehran. 1-6 August. (In Persian)
6.Jahanshahi, M., Zareabyaneh, H., Naghavi, H., and Eslami, A. 2013. Assessment of influence of iInstallation depth of emitter with same discharges on moisture distribution in subsurface drip irrigation system and simulation with HYDRUS-2D Model. Iran. J. Irrig. Water Eng.
3: 10. 101-113.
7.Kandelous, M.M., Šimunek, J., van Genuchten, M.T.h., and Malek, K. 2011. Soil water content distributions between two emitters of a subsurface drip irrigation system. Soil Sci. Soc. Amer. J. 75: 2. 488-497.
8.Karimi, B., Sohrabi, T., Mirzaei, F., and Babae, B. 2014. Developing equations to predict the Pattern of soils moisture redistribution in surface and subsurface drip irrigation systems using dimension analysis. J. Water Soil Cons. 21: 6. 223-237.
9.Keller, J., and Bliesner, R.D. 1990. Sprinkler and trickle irrigation. Van Nostrand Reinhold, New York, NY, USA. 652p.
10.Khanmohamadi, N., and Besharat, S. 2013. Simulating wetting front in drip irrigation using HYDRUS-2D. J. Water Soil Cons. 2: 4. 15-27.
11.Khalili, M., Akbari, M., Hezarjaribi, A., Zakerinia, M., and Abbasi, F. 2014. Numerical versus empirical models for estimating wetting patterns in subsurface drip irrigation systems. J. Agri. Eng. Res. 15: 2. 1-14.
12.Malek, K., and Peters, R.T. 2010. Wetting pattern models for drip irrigation: new empirical model. J. Irrig. Drain. Eng. 137: 8. 530-536.
13.Mirzaei, F., Liaghat, A.M., Sohrabi, T.M., and Omid, M. 2005. Simulation of the wetting front from a linear source in tape irrigation systems. J. Agri. Eng. Res. 6: 23. 53-66.
14.Moncef, H., Hedi, D., Jelloul, B., and Mohamed, M. 2009. Approach for predicting the wetting front depth beneath a surface point source: Theory and numerical aspect. Irrig. Drain. Eng. 51: 347-360.
15.Naglic, B., Kechavarzi, C., Coulon, F., and Pintar, M. 2014. Numerical investigation of the influence of texture, surface drip emitter discharge rate and initial soil moisture condition on wetting pattern size. Irrig. Sci. 32: 6. 421-436.
16.Palangi, A.J., and Akhondali, A. 2008. A Semi-empirical model for estimating the geometry of the wetting front under point source trickle irrigation. J. Sci. Tech. Agri. Nat. Res. Water Soil Sci. 12: 44. 85-96. (In Persian) 
17.Palangi, J.A., and Akhondali, A. 2011. Evaluation schwartzman and force model to determine the distance in drip irrigation emitters (Case study: Albaji region, KhuzestanProvince). J. Irrig. Drain. 5: 2. 202-208. (In Persian)
18.Riahi, H., Samani, J.M.V., and Khashaei, A. 2007. Evaluating the ability of the SEEP/W model in simulation of water through drip irrigation and moisture measurement, 9th Seminar on irrigation and evaporation reduction, Kerman, April 5-7. (In Persian)
19.Schwartzman, M., and Zur, B. 1985. Emitter Spacing and Geometry of Wetted Soil Volume. J. Irrig. Drain. Eng. 112: 3. 242-253.
20.Singh, D.K., Rajput, T.B.S., Sikarwar, H.S., Sahoo, R.N., and Ahmadi, T. 2006. Simulation of soil wetting pattern with subsurface drip irrigation from line source. Agric. Water Manage. 83: 1. 130-134.
21.Siyal, A.A., and Skaggs, T.H. 2009. Measured and simulated soil wetting patterns under porous clay pipe sub-surface irrigation. Agric. Water Manage. 96: 6. 893-904.
22.Skaggs, T.H., Trout, T.J., Simuenk, J., and Shouse, P.J. 2004. Comparision of HYDRUS-2D simulations of drip irrigation with experimental observations. J. Irrig. Drain. Eng.
130: 4. 304-310. 
23.Subbaiah, R. 2013. A review of models for predicting soil water dynamics during trickle irrigation. Irrig. Sci. 31: 3. 225-258.
24.Subbauah, R., and Mashru, H.H. 2013. Modeling for predicting soil wetting radius under point source surface trickle irrigation. Agric. Eng. Int.: CIGR J. 15: 3. 1-10.
25.Tamjid, M., Bigloi M.H., Khaledian, M.R., Moridnezhad, A., and Mohammadi, A. 2014. Comparison of linear regression and neural networks to estimate the size of wetting on slopes. Knowledge of Soil and Water. 24: 4. 237-246.
26.Yao, W., Xiao, Yi, M., Juan, L., and Parkes, M. 2010. Simulation of point source wetting pattern of subsurface drip irrigation. Irrig. Sci. 29: 4. 331-339.
27.Zhang, R., Cheng, Z., Zhang, J., and Ji, X. 2012. Sandy loam soil wetting patterns of drip irrigation: a comparison of point and line sources. Procedia Engineering, 28: 506-511.