Development of sustainable irrigation planning with multi-objective fuzzy linear programming for Ukai–Kakrapar irrigation project, Gujarat, India
Notice bibliographique
Résumé
Multi-objective fuzzy linear programming (MOFLP) approach is applied with four conflicting objectives, viz maximization of net benefits, employment generation, minimization of cost of cultivation and maximization of revenue generation from municipal and industrial supplies (M and I), on a water resources project (Ukai), Gujarat, India. The results from the model are reported for the most critical year (90% exceedance probability), critical year (85% exceedance probability), normal year (75% exceedance probability), and wet year (60% exceedance probability) inflow conditions. The degree of satisfaction of the proposed MOFLP model, considering all objectives together, for wet year, normal year, critical year and most critical year are found to be 0.527, 0.515, 0.50, and 0.46 respectively; and corresponding net irrigation benefits for different inflow conditions are computed as 10 611.91 Million Rs, 10 476.67 Million Rs, 8 311.0044 Million Rs, and 6 900.051 Million Rs, respectively. The proposed MOFLP model indicated that probable inflow corresponding to 75% dependability level is marginally sufficient to meet the requirement of the study area, and water availability becomes deficit in the command area for 85% dependability inflow condition. The optimized crop areas from the model, complying with the requirement of existing flood rules, and satisfying relevant conflicting objectives would help the decision makers in sustainable management of water resources in Ukai command area.
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.
Comment cette classification a été obtenuedéplier
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».