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

نویسندگان

1 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران

2 گروه مهندسی آب، دانشکده کشاورزی، دانشگاه زنجان، زنجان، ایران.

3 گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا همدان، همدان، ایران.

doi
10.22059/ijswr.2025.392613.669911
چکیده

  مدیریت بهینه منابع آب در شبکه‌های آبیاری به‌عنوان راهکاری کلیدی برای مقابله با چالش کم‌آبی است. در این پژوهش، یک روش ترکیبی نوین مبتنی بر یادگیری تقویتی معکوس (IRL) و مدلسازی هیدرودینامیک با ICSS برای بهینه‌سازی بهره‌برداری از کانال E1-R1 شبکه دز توسعه داده شد. در این روش، تابع پاداش به‌صورت خودکار از تجربیات بهره‌برداران خبره (شبیه‌سازی شده با ICSS) استخراج گردید. با تلفیق آن با مدل شبیه‌ساز هیدرودینامیک، سیاست‌های بهینه کنترل سازه‌های آب‌بند و آبگیر تعیین شد. داده‌های بهره‌برداری تحت سناریوهای متنوعی شامل دبی‌های ورودی تصادفی (۱/۱ تا 3/1مترمکعب بر ثانیه) و الگوهای مختلف آبگیری تحلیل شد.  نتایج حاکی از کارایی بالای سیستم پیشنهادی بود، به‌طوری که میانگین راندمان تحویل آب 97/0، کفایت تأمین نیاز 95/0 و حداکثر خطای کنترل عمق 3/۱۴ درصد شد. خطای تجمعی عمق آب نیز در تمامی سناریوها کمتر از ۱۰ درصد باقی ماند که نشان‌دهنده پایداری سیستم در بلندمدت است. این یافته‌ها مؤید آن است که رویکرد IRL با یادگیری دانش ضمنی بهره‌برداران و تبدیل آن به سیاست‌ها، می‌تواند به‌صورت مؤثری تلفات آب را کاهش داده و عملکرد شبکه‌های آبیاری را ارتقا بخشد.