بهینه سازی حجم عملیات تسطیح اراضی به روش حداقل مربعات و مقایسه با الگوریتم ژنتیک والگوریتم بهینه سازی ازدحام ذرات
محل انتشار: مجله مهندسی بیوسیستم ایران، دوره: 45، شماره: 2
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 267
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBSE-45-2_003
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
زمین تحت کشت باید دارای شیب مناسب در جهت طولی و عرضی باشد تا یکنواختی توزیع آب تامین شود و از هدررفت آب و نیز فرسایش خاک زراعی جلوگیری شود. از آنجا که عملیات تسطیح بسیار پرهزینه است، هدف از عملیات تسطیح، ایجاد شیب مناسب به منظور توزیع یکنواخت آب در زمین ناهموار و ایجاد صفحه تسطیح به گونه ای است که تسطیح زمین با حداقل مقدار حجم عملیات خاکی صورت پذیرد. در این تحقیق مشخصات صفحه تسطیح زمین زراعی با استفاده از الگوریتم مدل سازی شده و نتایج به دست آمده با روش حداقل مجموع مربعات مقایسه شد. تحلیل آماری و توصیفی نتایج نشان داد که استفاده از الگوریتم ژنتیک )و الگوریتم بهینه سازی ازدحام ذراتPSO) برای تعیین مشخصات تسطیح در مقایسه با روش حداقل مجموع مربعات دقت و کارایی بیشتری دارد و اعمال محدودیت های تسطیح مانند حداکثر عمق خاک برداری در این روش ساده تر صورت می پذیرد. مقایسه این دو روش نشان داد که استفاده از الگوریتم ژنتیک مقدار حجم عملیات خاکی را با درنظرگرفتن سایر الزامات طراحی صفحه تسطیح (شیب های طولی و عرضی) به میزان ۲۰ و ۵/۱۷ درصد کاهش داده است. حجم خاک برداری و خاکریزی در الگوریتم بهینه سازی ازدحام ذرات در مقایسه با الگوریتم ژنتیک حجم کمتری حاصل کرد.
کلیدواژه ها:
نویسندگان
ایشام الزعبی
دانشجوی دکتری گروه مهندسی مکانیک ماشین های کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
علی رجبی پور
استاد گروه مهندسی مکانیک ماشین های کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
حجت احمدی
دانشیار گروه مهندسی مکانیک ماشین های کشاورزی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
فرهاد میرزایی
استادیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :