توسعه روش یادگیری تقویتی معکوس به صورت تلفیق با مدل هیدرودینامیک ICSS در کانال دز

مدیریت بهینه منابع آب در شبکه های آبیاری به عنوان راهکاری کلیدی برای مقابله با چالش کم آبی است. در این پژوهش، یک روش ترکیبی نوین مبتنی بر یادگیری تقویتی معکوس (IRL) و مدلسازی هیدرودینامیک با ICSS برای بهینه سازی بهره برداری از کانال E۱-R۱ شبکه دز توسعه داده شد. در این روش، تابع پاداش به صورت خودکار از تجربیات بهره برداران خبره (شبیه سازی شده با ICSS) استخراج گردید. با تلفیق آن با مدل شبیه ساز هیدرودینامیک، سیاست های بهینه کنترل سازه های آب بند و آبگیر تعیین شد. داده های بهره برداری تحت سناریوهای متنوعی شامل دبی های ورودی تصادفی (۱/۱ تا ۳/۱مترمکعب بر ثانیه) و الگوهای مختلف آبگیری تحلیل شد.  نتایج حاکی از کارایی بالای سیستم پیشنهادی بود، به طوری که میانگین راندمان تحویل آب ۹۷/۰، کفایت تامین نیاز ۹۵/۰ و حداکثر خطای کنترل عمق ۳/۱۴ درصد شد. خطای تجمعی عمق آب نیز در تمامی سناریوها کمتر از ۱۰ درصد باقی ماند که نشان دهنده پایداری سیستم در بلندمدت است. این یافته ها موید آن است که رویکرد IRL با یادگیری دانش ضمنی بهره برداران و تبدیل آن به سیاست ها، می تواند به صورت موثری تلفات آب را کاهش داده و عملکرد شبکه های آبیاری را ارتقا بخشد.

کلیدواژه ها:

سازه های کنترل و تنظیم ، روش هوشمند ، مدل هیدرودینامیک ، یادگیری.