بهینهسازی الگوی کشت بر اساس مقادیر پیشبینیشده جریان رودخانه (مطالعه موردی رودخانه صوفیچای و شبکه آبیاری پاییندست)
نویسندگان
چکیده مقاله:
تعیین سطح زیر کشت بر اساس منابع آب موجود در شرایط مختلف و به ویژه در شرایط خشکسالی، اهمیت زیادی دارد. در این تحقیق با استفاده از روشهای مناسب برای پیشبینی جریان ورودی به سد در سال آتی و با استفاده از مدلهای بهینهسازی، سطح زیر کشت محصولات زراعی زیر شبکة آبیاری صوفیچای که سد علویان منبع اصلی تأمین آب آن است، تعیین شد. در این خصوص، ابتدا جریان ورودی به سد برای شش ماه اول سال با استفاده از روش شبکه عصبی مصنوعی پیشبینی شد و رابطة جریان آب در شش ماه دوم با شش ماه اول به دست آمد. نتایج نشان داد که برای پیشبینی در سالهای خشک و تر لازم است از روش متفاوتی استفاده شود. در مرحلة بعد، مدل بهینهسازی برای شرایط منطقة طرح تهیه و سطح زیر کشت با توجه به مقادیر پیشبینی شده و با هدف حداکثر کردن درآمد خالص محاسبه شد. نتایج استفاده از روششناسی فوق برای دورة آماری موجود از منطقه نشان میدهد که این روش به طور مطلوبی توانستهاست سطح زیر کشت را تعیین کند و به عنوان طرح قابل اجرا در مدیریت بهینة منابع آب و به خصوص طرحهای مقابله با تأثیرات خشکسالی کارا باشد.
منابع مشابه
بهینه سازی الگوی کشت بر اساس مقادیر پیش بینی شده جریان رودخانه (مطالعه موردی رودخانه صوفی چای و شبکه آبیاری پایین دست)
تعیین سطح زیر کشت بر اساس منابع آب موجود در شرایط مختلف و به ویژه در شرایط خشکسالی، اهمیت زیادی دارد. در این تحقیق با استفاده از روشهای مناسب برای پیش بینی جریان ورودی به سد در سال آتی و با استفاده از مدلهای بهینه سازی، سطح زیر کشت محصولات زراعی زیر شبکة آبیاری صوفی چای که سد علویان منبع اصلی تأمین آب آن است، تعیین شد. در این خصوص، ابتدا جریان ورودی به سد برای شش ماه اول سال با استفاده از ر...
متن کاملمقایسه عملکرد روش های ماشین بردار پشتیبان و شبکه های بیزین در پیشبینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)
پیشبینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین مراحل در استفاده بهینه از منابع آبی محسوب میشود. در مطالعه حاضر به منظور پیشبینی جریان رودخانه باراندوزچای از دو روش ماشین بردار پشتیبان (SVM) و شبکههای بیزین (BNs) استفاده شد. دادههای جریان روزانه این رودخانه در محل ایستگاه آبسنجی دیزج در خلال سالهای 1385 تا 1389 برای ایجاد مدل استفاده شد که 80 درصد دادهها...
متن کاملبررسی تاثیر عامل بارش پیشین در برآورد جریان رودخانه توسط شبکه عصبی مصنوعی (مطالعه موردی: رودخانه بختیاری)
متن کامل
اثر بخشی تغییرات هندسی رودخانه بر کیفیت جریان آب (مطالعه موردی: رودخانه قزل اوزن)
رودخانهها عموما پذیرنده پساب های کشاورزی، صنعتی و شهری هستند. حفاظت و بهبود کیفیت آب رودخانه ها ضروری است. پژوهش حاضر، به بررسی مقایسه ای کیفیت جریان آب در شرایط موجود و در شرایط تغییرات در هندسه آبراهه اصلی یک رودخانه می پردازد. در این بررسی، رودخانه قزلاوزن در بازه دیواندره- بیجار به طول 51 کیلومتر انتخاب گردید. براساس دادههای موجود هندسی- هیدرولیکی و کیفیت آب، مدلسازی کیفیت آب رودخا...
متن کاملکاربرد شبکههای بیزین و برنامهریزی ژنتیک در پیشبینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)
برآورد دقیق آبدهی رودخانه ها یکی از موارد مهم در پیش بینی خشکسالی، سیلاب، طراحی سازههای آبی، بهره برداری از مخازن سدها و کنترل رسوب می باشد.روشهای متعددی همچون مدلهای سریزمانی، شبکههای عصبی مصنوعی، منطق فازی و برنامهریزی ژنتیک برای پیشبینی جریان رودخانه به کار میرود. در مطالعه حاضر به منظور پیشبینی جریان رودخانه باراندوزچای از دو روش برنامهریزی ژنتیک و شبکههای بیزین استفاده شد....
متن کاملمقایسه مدلهای خطی و غیرخطی سریزمانی در پیشبینی جریان رودخانه (مطالعه موردی: رودخانه باراندوزچای ارومیه)
پیشبینی دقیق جریان رودخانه با استفاده از مدلهای رایج سریهای زمانی، فیزیکی- مفهومی و رگرسیونی در مدیریت علمی منابع آبهای سطحی اهمیت بهسزایی دارد. در این مطالعه دبی جریان روزانه و ماهانه رودخانه باراندوزچای ارومیه در دوره آماری 88-1352، با استفاده از مدلهای سریزمانی خطی آرما[1] و غیرخطی دوخطی مدلسازی شد. برای بررسی ایستایی سریهای جریان از آزمون ADF استفاده گردید. نتایج آین آزمون ن...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 7 شماره 4
صفحات 1- 18
تاریخ انتشار 2007-02-20
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023