A 3D Irrigation Canal Alignment Optimization Model for a Steep-Sloping Area with Rectangular Inclined Drops
Notice bibliographique
Résumé
Traditional optimization approaches for irrigation canal design have primarily focused on identifying cost-effective structural dimensions for simple cross-sections. However, these methods are inadequate for steep terrains where the construction of single or multiple rectangular inclined drops (RIDs) becomes essential. This study introduces a novel three-dimensional optimization model tailored for the optimal design of irrigation canals in such challenging environments. By integrating geospatial data with a particle swarm optimization (PSO) algorithm, the model establishes a continuous search space that facilitates the identification of cost-effective alignments while satisfying hydraulic and construction constraints. To validate its effectiveness, the model was applied to two synthetic case studies that feature varied terrain and slope conditions. Results demonstrated the model's strong capability in optimizing both canal alignment and RID placement. Comparative analysis with genetic algorithm and ant colony optimization revealed that PSO outperformed both in terms of solution accuracy and consistency. Moreover, the proposed model produced results comparable to conventional design methods but with significantly reduced computational time. In addition, pre-cost-estimation tables were developed for various canal route alternatives and RID configurations, offering practical insights for efficient planning and preliminary design of irrigation canals in complex, sloping regions. Received: 11 October 2024 | Revised: 11 July 2025 | Accepted: 5 August 2025 Conflicts of Interest Manoj K. Jha is an Associate Editor for Journal of Computational and Cognitive Engineering, and was not involved in the editorial review or the decision to publish this article. The authors declare that they have no conflicts of interest to this work. Data Availability Statement Data sharing is not applicable to this article as no new data were created or analyzed in this study. Author Contribution Statement Mehdi Kazemi: Conceptualization, Methodology, Software, Formal analysis, Investigation, Resources, Data curation, Writing – original draft, Visualization. Ebrahim Amiri Tokaldani: Conceptualization, Methodology, Validation, Formal analysis, Resources, Data curation, Writing – original draft, Supervision, Project administration. Manoj K. Jha: Conceptualization, Methodology, Validation, Formal analysis, Writing – original draft, Writing – review & editing, Supervision, Project administration. Ramesh Rudra: Validation, Supervision, Project administration.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».