Closed-End Border Irrigation Design with WinSRFR Simulation Model Using Particle Swarm Optimization Techniquee

Document Type : Original Article

Authors

1 , Department of Water Engineering, Urmia University

2 Department of Water Engineering, Urmia University, Iran

3 Postdoctoral researcher, Dept of Water Resources Engineering, Faculty of Civil Engineering, University of Tehran, Tehran, Iran

4 Ph.D., Dept of Water Engineering, Faculty of Agriculture, Urmia University, Urmia, Iran

Abstract

Estimating the parameters of infiltration equation and Manning’s roughness coefficient are essential for the optimal design and evaluation of surface irrigation systems. The present study was carried out to calibrate these coefficients for a closed-end border irrigation system with four series of field information. In this regard, the hydraulic surface water flow is simulated using zero-inertia model by WinSRFR simulation model that linked to the particle swarm optimization algorithm for repetitive calculations. The objective function of the optimization problem was the minimization of the difference between the calculated and measured times of advance and recession phases, and four coefficients of the modified Kostiakov equation and Manning’s roughness coefficient were considered as decision variables. The sensitivity analysis of the developed model showed that the coefficient b of infiltration equation in the recession phase and the Manning’s roughness coefficient in the advance phase have the most errors in the predicted results. The results showed that based on the optimized parameters in the model, the values of root mean square error, RMSE, were obtained between 3.77 to 12.86 minutes and the coefficients of residual mass were varied between -0.099 and 0.003 to predict the advance and recession times in the four experimental irrigations. Based on results, with optimization of WinSRFR model, there is accessibility to achieve in application efficiency and distribution uniformity about 86 and 84 percent, respectively (with adequacy about 100 percent) by flow variable (inflow rate and cutoff time).

Keywords

References

آذرافزا، ه.، رضایی، ح.، بهمنش، ج. و بشارت، س. 1391. مقایسه نتایج بکارگیری الگوریتم‏های PSO، GA و SA در بهینه‏سازی سیستم‏های تک مخزنه (مطالعه موردی: سدشهرچای، ارومیه). نشریه آب و خاک. 26. 5: 1101-1108.
ابراهیمیان، ح.، قنبریان علویجه، ب.، عباسی، ف. و هورفر، ع. 1389. ارائه روش دو­نقطه­ای جدید به­منظور برآورد پارامترهای نفوذپذیری در آبیاری جویچه­ای و نواری و مقایسه آن با سایر روش­ها. نشریه آب و خاک. 24. 4: 690-698.
بیک­زاده، ا.، نقی ضیایی، ع.، داوری، ک. و انصاری، ح. 1393. بهینه­سازی میزان جریان ورودی و زمان آبیاری در آبیاری جویچه­ای با استفاده از مدل هیدرودینامیک کامل. نشریه آبیاری و زهکشی ایران. 2. 8: 377-385.
تافته، آ.، امداد، م.ر. و غالبی، س. 1396. بررسی تاثیر عوامل مؤثر بر راندمان کاربرد آب آبیاری در شرایط عمق توسعه ریشه موجود و قابل توسعه گندم در اراضی زراعی حمیدیه (خوزستان). نشریه حفاظت منابع آب و خاک. 6. 4: 75-90.
تافته، آ.، امداد، م.ر. و غالبی، س. 1396. تعیین مناسب ترین شرایط آبیاری نواری به منظور افزایش راندمان کاربرد آب با استفاده از مدل SRFR. فصلنامه علمی و پژوهشی مهندسی آبیاری و آب. 8. 30: 200-210.
تقی­زاده، ز.، رضاوردی­نژاد، و.، ابراهیمیان، ح. و خان­محمدی، ن. 1391. ارزیابی مزرعه­ای و تحلیل سیستم آبیاری سطحی با WinSRFR (مطالعه موردی آبیاری جویچه­ای). نشریه آب و خاک. 26. 6: 1450-1459.
خاشعی سیوکی، ع.، قهرمان، ب. و کوچک زاده، م. 1392. کاربرد تخصیص و مدیریت آب کشاورزی با استفاده از تکنیک بهینه‏سازی PSO (مطالعه موردی: دشت نیشابور). نشریه آب و خاک. 27. 2: 292-303.
رضاوردی نژاد، و.، جنوبی، ر.، بشارت، س. و عباسی، ف. 1394. بررسی و تحلیل متغیرهای جریان و هندسی بر عملکرد بهینه آبیاری نواری با استفاده از مدل WinSRFR. تحقیقات آب و خاک ایران. 46. 4: 695-706.
زبردست، س.، ریاحی، ح. و طباطبایی، س.ح. 1393. ارزیابی دقت روشهای حل مدل بیلان حجمی در تخمین پیشروی آب در آبیاری جویچه ای. نشریه حفاظت منابع آب و خاک. 4. 1: 1-12.
عباسی ف. 1391. اصول جریان در آبیاری سطحی. انتشارات کمیته ملی آبیاری و زهکشی ایران.
لاله‌زاری، ر.، برومندنسب، س. و بهرامی، م. 1393. اصلاح معادله بیلان حجم برای محاسبه پیشروی جریان آب در نهر با استفاده از عمق واقعی جریان در مقطع ورودی. مجله علوم خاک و آب. 18: 1-9.
مرادزاده، م.، برومندنسب، س.، لاله‌زاری، ر. و بهرامی، م. 1392. بررسی کارایی و تحلیل حساسیت مدل‌های مختلف نرم‌افزار Sirmod در طراحی جویچه. مجله مهندسی منابع آب. 6: 63-74.
مقدسی، م.، مرید، س. و عراقی‌نژاد، ش. 1387. بهینه‌سازی تخصیص آب در شرایط کم‌آبی با استفاده از روش‌های برنامه‌ریزی غیرخطی، هوش جمعی و الگوریتم ژنتیک (مطالعه موردی). تحقیقات منابع آب ایران. 4. 3: 1-13.
نوابیان، م. و مسلمی کوچصفهانی، م. 1391. بهینه­یابی طول جویچه و دبی جریان در آبیاری جویچه­ای. مجله پژوهش آب ایران. 6. 11: 27-34.
Ampas, V. and Baltas, E. 2009. Optimization of the furrow irrigation efficiency. Global NEST. 11.4:566-574.
Bautista, E., Clemmens, A.J., Strelkoff, T.S. and Niblack, M. 2009b. Analysis of surface irrigation systems with WinSRFR-Example application. Agricultural Water Management. 96:1162-1169.
Bautista, E., Clemmens, A.J., Strelkoff, T.S. and Schlege, J. 2009a. Modern analysis of surface irrigation systems with WinSRFR. Agricultural Water Management. 96:1146-1154.
Carlisle, A. and Dozier, G. 2001. An Off-The-Shelf PSO, Proc. of the Particle Swarm Optimization Workshop. pp.1-6.
Chow, V.T. 1959. Open Channel Hydraulics. McGrawHill Book Co., Inc., New York.
Eberhart, R.C. and Kennedy, J., 1995. A new optimizer using particle swarm theory. In: Proceedings of the Sixth International Symposium on Micro Machine and Human Science. IEEE Press. Piscataway, N. J.
Ebrahimian, H., Liaghat, A., Ghanbarian-Alavijeh, B. and Abbasi, F. 2010. Evaluation of various quick methods for estimating furrow and border infiltration parameters. Irrigation Science. 28:479-488.
Ebrahimian, H. and Liaghat, A.M. 2011. Field evaluation of various mathematical models for furrow and border irrigation systems. Soil and Water Research. 6.2:91–101.
Ebrahimian, H. 2014. Soil infiltration characteristics in alternate and conventional furrow irrigation using different estimation methods. KSCE Journal of Civil Engineering. 18.6:1904-1911.
Eldeiry, A.A., Garcia, L.A., El-Zaher, A.S.A. and El-Sherbini, K. .2005. Furrow irrigation system design for clay soils in arid regions. American Society of Agricultural Engineers. 21.3:411-420.
Gillies, M.H., and Smith, R.J. 2005. Infiltration parameters from surface irrigation advance and run-off data. Irrigation Science. 24.1:25-35.‏
González, C., Cervera, L. and Fernández, D.M. 2011. Basin irrigation design with longitudinal slope. Agricultural Water Management. 98:1516–1522.
Holzapfel, E.A., Jara, J., Zuñiga, C., Mariño, M.A., Paredes, J. and Billib, M. 2004. Infiltration parameters for furrow irrigation. Agricultural Water Management. 68:19-32.
Katopodes, N.D. and T. Strelkoff. 1977. Hydrodynamics of border irrigation-complete model. Journal of Irrigation and Drainage Engineering. 103.3:309–324.
Kennedy, J. and Eberhart, R.C. 1995. Particle swarm optimization. In: Proceedings of IEEE International Conference on Neural Networks. IEEE Press. Piscataway, N. J.
Khatri, K.L and Smith, R.J. 2005. Evaluation of methods for determining infiltration parameters from irrigation advance data. Irrigation and Drainage. 54:467-482.
Lalehzari, R., Ansari Samani, F. and Boroomand-Nasab, S. 2015. Analysis of evaluation indicators for furrow irrigation system using opportunity time. Irrigation and Drainage. 64.1:85-92.
Lalehzari, R., Boroomand-Nasab, S., Moazed, H. and Haghighi, A. 2016. Multi-objective management of water allocation to sustainable irrigation planning and optimal cropping pattern. Journal of Irrigation and Drainage Engineering, ASCE. 142(1): 05015008.
Lalehzari, R., and Boroomand-Nasab, S. 2017. Improved volume balance using upstream flow depth for advance time estimation. Agricultural Water Management. 186:120-126.
Lima, V.I.A., Pordeus, R.V., Azevedo, C.A.V., Pereira, J.O., Lima, V.L.A. and Azevedo, M.R.Q.A. 2014. Optimization of furrow irrigation systems with continuous flow using the software applied to surface irrigation simulations- SASI. African Agricultural Research. 9.42:3115-3125.
Moravejalahkami, B., Mostafazadeh-Fard, B., Heidarpour, M. and Abbasi, F. 2009. Furrow infiltration and roughness prediction for different furrow inflow hydrographs using a zero-inertia model with a multilevel calibration approach. Biosystems Engineering. 103:374-381.
Sepaskhah, A.R. and Afshar-Chamanabad. H. 2002. Determination of infiltration rate for every-other furrow irrigation. Biosystems Engineering. 82.4:479-484.
Shi, Y. and Eberhart, R. 1998. Parameter selection in particle swarm optimization, In: Porto VW, Saravanan N, Waagen D and Eiben AE (eds) Evolutionary Programming VII, pp. 611-616.
Shi, Y. and Eberhart, R. 1999. Empirical study of particle swarm optimization. Proceeding IEEE International Congers Evolutionary Compution, Washington, DC., USA, pp. 1945-1950.
Strelkoff, T. 1969. One-dimensional equation of open channel flow. Journal of Hydraulic Division. 95:861–876.
Strelkoff, T. and N.D. Katopodes. 1977. Border-irrigation hydraulics with zero inertia. Journal of Irrigation and Drainage Engineering. 103.3:325–342.
Strelkoff, T.S., Clements, A.J., El-Ansary, M. and Awad, M. 1999. Surface-irrigation evaluation models: Application to level basins in Egypt. Transactions of the ASAE. 42.4:1027-1036.
Walker, W.R. and Humpherys. A.S. 1983. Kinematic-wave furrow irrigation model. Journal of Irrigation and Drainage Engineering. 109.4:377–392
Iranian Journal of Irrigation & Drainage
Volume 14, Issue 2 - Serial Number 80
July and August 2020
Pages 593-604

Files

Share

How to cite

Statistics