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

در این پژوهش، عملکرد یک سامانه کنترل هوشمند برای شبکه های آبیاری با استفاده از روش یادگیری تقویتی معکوس (IRL) و بهینه سازی مبتنی بر پاداش ارزیابی می گردد. هدف این مطالعه توسعه و اعتبار سنجی چارچوبی است که خطاهای تحویل آب را به حداقل رسانده و کارایی را نسبت به روشهای متداول بهبود بخشد. نتایج عددی نشان دهنده پیشرفت چشمگیر است؛ به طوری که سیاست کنترلی آموخته شده، میانگین خطای مطلق (MAE) را به کمتر از ۵.۰ کاهش داد در حالی که این شاخص در فرآیندهای پایه بیش از ۲۰% بود تحلیل نتایج بر اساس کانالهای مجزا نشان داد که رویکرد مبتنی بر پاداش، با وجود ناپایداری اولیه در برخی کانالها به دقتی استثنایی (۱.۳ MAE) دست می یابد. دستاوردهای این تحقیق، کارایی کوتاه مدت سیستم در مدیریت دقیق منابع آب را تایید میکند و نشان میدهد که عملکرد آن به طور 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 می سازد.

کلیدواژه ها:

سازههای کنترل ، روش هوشمند ، مدل هیدرودینامیکی ، یادگیری