A SIMPLE MODEL OF FUZZY IRRIGATION DEPTH CONTROL: AN APPLICATION OF AN INTELLIGENT STATE DROPPING (ISD) MECHANISM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Irrigation scheduling is still a serious issue for water managers to achieve efficient water utilization. The dynamic nature of rainfall occurrence may lead to deep percolation, runoff and/or crop water stress, when the saturation allowance is not precisely determined for irrigation scheduling. In this paper, it was proposed to eliminate the fixed maximum allowable soil moisture from simulation‐based irrigation scheduling modeling and replace it with dynamic dependent values calculated by a fuzzy inference engine. In this case, the maximum allowable irrigation depth was not controlled by the field capacity level of soil moisture, and the saturation allowance is considered to store rain in the crop root zone. For this purpose, a classical simulation‐based irrigation scheduling model is modified based on an intelligent state dropping (ISD) mechanism. The theoretical basis of the ISD mechanism was previously developed by Ganji and Pouyan (2011). Application of the ISD mechanism considers water balance uncertainty by determining the maximum weekly allowable soil moisture (the level of saturation allowance). The proposed model is used to calculate a real case study of irrigation depth control of winter wheat, and the results are compared with classical irrigation depth control that considers a fixed level of saturation allowance. The results showed that the newly developed model of irrigation control depth effectively improves the results of classical models. As a result of 60 years of simulation, water loss and required irrigation depth were equal to (76.6, 1890) and (155, 2370) for the fuzzy and classical models, respectively. These results show a reduction in water loss of around 49%. It was also shown that although the total irrigation depth has been decreased for the fuzzy irrigation control model, the maximum crop water demand was supplied by the proposed fuzzy model completely. Copyright © 2012 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle