CN109657283A - 一种基于分布估计算法的灌溉施肥管网优化方法 - Google Patents
一种基于分布估计算法的灌溉施肥管网优化方法 Download PDFInfo
- Publication number
- CN109657283A CN109657283A CN201811425100.3A CN201811425100A CN109657283A CN 109657283 A CN109657283 A CN 109657283A CN 201811425100 A CN201811425100 A CN 201811425100A CN 109657283 A CN109657283 A CN 109657283A
- Authority
- CN
- China
- Prior art keywords
- pipe network
- individual
- pipe
- constraint
- island
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000013178 mathematical model Methods 0.000 claims abstract description 11
- 230000002262 irrigation Effects 0.000 claims abstract description 9
- 238000003973 irrigation Methods 0.000 claims abstract description 9
- 230000004720 fertilization Effects 0.000 claims abstract description 7
- 239000003337 fertilizer Substances 0.000 claims description 8
- 210000003608 fece Anatomy 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 6
- 239000010871 livestock manure Substances 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
Abstract
本发明涉及一种基于分布估计算法的灌溉施肥管网优化方法，包括以下步骤：步骤1：建立灌溉施肥管网数学模型；步骤2：对所有的灌溉施肥管网进行优化，使得所诉步骤1中建立的数学模型的目标函数最小，即使得灌溉施肥系统在满足种植需求时运行费用最低。本发明的有效效果是：采用岛屿分布估计算算法对所有的管网进行优化，处理灌溉施肥管网设计优化问题，改进管网优化水平，提高管网运行经济效益。
Description
技术领域
本发明涉及农业和园林灌溉技术领域，尤其涉及一种基于分布估计算法的灌溉施肥管网优化方法。
背景技术
在农业或园林管网设计时，主要考虑首部运行和管网设计的经济性。灌溉的设计一般为树状结构的多段管网组成，在考虑施肥的水肥一体化的灌溉管网设计中，费用与管网投资、动力费用及取水口数相关。管径需求越大，管网投资也随之增加，而对水肥一体机的动力要求越小；如果如取水口一定，缩小管径以减小管网费用时，扬程需增加，动力费增加。因此，在设计考虑施肥的水肥一体系统中，需平衡管径和投资费用之间的关系，设计经济实用的施肥一体化管网系统，节约工程投资运行成本。
在灌溉管网的设计中，考虑水肥一体化模型是一个涉及多种约束条件的复杂优化问题。许多学者在管网优化设计中进行了相关的研究，将遗传算法、模拟退火算法、及人工神经网络算法应用求解该优化问题，取得了一些成果，但仍然存在容易陷入局部最优、没有考虑设备施肥的局限，所求得方案经济效益并不是最优解。
发明内容
本发明所要解决的技术问题是针对现有求解灌溉施肥管网优化中问题，提供一种基于分布估计算法的灌溉施肥管网优化方法，采用岛群算法和分布估计算法相结合的方法，处理考虑施肥的水肥一体化问题，改进管网优化水平，提高管网运行效益。
本发明解决上述技术问题的技术方案如下：
一种基于分布估计算法的灌溉施肥管网优化方法，包括以下步骤：
步骤1：建立灌溉施肥管网优化优化数学模型；
步骤2：对所有的管网进行分配，使得所述步骤1中建立的数学模型的目标函数最小，即使得灌溉施肥系统在满足种植需求时运行费用最低；
所述步骤1中建立的数学模型为，
其中：li,j为第i种轮灌组时第j段管网第k个标准管径的长度；ci,j为第i种轮灌组时第j段管网第k个标准管径的长度；A(m)满足压力要求的第m种型号的水肥机价格；Fi为第i种轮灌组管网年费用；x为折旧年限；r为年利率；B为年平均维修费率；E为电价；T为水泵年工作小时数；Q为水泵流量；H为水泵扬程；η为水泵效率。
约束条件：
1)管道压力约束：
其中：hcg为管段计算最小压力；hmg为计算管段承受压力；H为管网首端压力；hb为底阀及吸水管水头损失；a为局部水头放大损失；f、m、b为管材相关水头损失系数；Qj为第j段流量；dij为第i种轮灌组情况下第j段管径内径；zg为g节点地面高程；hgmin，hgmax为g管段最小、最大压力约束；J(g)为g节点父节点数。
2)管径约束：1≤di,j(k)≤M式中M为标准管径数；
3)管长约束：式中lj为第j段管长度；
4)非负约束：Si,j(k)≥0
5)施肥机压力约束：H(m)>H式中H(m)为型号为m的施肥一体机的扬程
进一步：所述步骤2采用岛群算法和分布估计算法相结合的方法进行求解，其具体步骤为，
步骤2.1：初始化分布估计算法参数：设置算法参数，在满足变量非负约束、管网长度约束及管径约束的前提下，采用随机方式生成M个岛群中个体数量，每个岛中有N个个体。
步骤2.2：计算个体的适应度值，分析计算管道压力约束是否满足，并采用罚函数法对个体的适应度值进行修正；根据修正后的适应度值排序。
步骤2.3：随机岛群的顺序{s1,s2,s3,s4,…sM},按生成的顺序进行移民操作，将一个岛屿中随机K个个体移动到下一个岛屿中，如将第s1岛屿中的k个个体移动到s2中，顺序的最后一个sM岛屿中的k个个体移动到s1中。
步骤2.4.分析个岛屿中群体空间中个体，计算得到均值参数和方差参数，采用高斯分布进行采样，生成下一代群体需满足管网长度约束。
步骤2.5.采用随机局部搜索方法，并结合自适应搜索范围参数，动态的调整每个岛屿的局部搜索范围，调整的规律与群体的进化代数相关。在局部搜索时，应考虑管网长度约束和非负约束，一次局部搜索调整的变量为成对出现的两个变量，使其在满足管网长度等式约束的前提下进行局部搜索。每代进行局部搜索20次。
步骤2.6.循环到步骤2.2，直到当进化L代后算法停止。
局部搜索方法具体为，采用爬山搜索算法，在个体的每个维度进行爬山收索，即初始个体为Pi时，计算Pi+Ri或Pi+Ri时个体适应度值是否改进，如果改进则替换原有个体，其中，Ri为局部搜索算子，其值为Ri＝R0*e-αGen/Gmax其中R0为初始范围，通常为变量定义域范围，Gen为当前进化代数，Gmax为最大进行代数，α为调节系统。
本发明的有益效果是：通过建立考虑施肥设备的管网优化数学模型，将施肥需求考虑到管网设计中，更符合现代管网设计的要求；采用岛群算法与分布估计算法相结合的方法，提高求解管网优化问题解的质量，提高管网设计经济效益。
附图说明
图1为本发明的方法流程图。
图2为本发明的实施例中的管网示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，本发明包括以下步骤：
步骤1：建立灌溉施肥管网优化优化数学模型；
其中：li,j为第i种轮灌组时第j段管网第k个标准管径的长度；ci,j为第i种轮灌组时第j段管网第k个标准管径的长度；A(m)满足压力要求的第m种型号的水肥机价格；Fi为第i种轮灌组管网年费用；x为折旧年限；r为年利率；B为年平均维修费率；E为电价；T为水泵年工作小时数；Q为水泵流量；H为水泵扬程；η为水泵效率。
约束条件：
1)管道压力约束：
其中：hcg为管段计算最小压力；hmg为计算管段承受压力；H为管网首端压力；hb为底阀及吸水管水头损失；a为局部水头放大损失；f、m、b为管材相关水头损失系数；Qj为第j段流量；dij为第i种轮灌组情况下第j段管径内径；zg为g节点地面高程；hgmin，hgmax为g管段最小、最大压力约束；J(g)为g节点父节点数。
2)管径约束： 1≤di,j(k)≤M 式中M为标准管径数；
3)管长约束： 式中lj为第j段管长度；
4)非负约束： Si,j(k)≥0
5)施肥机压力约束： H(m)>H 式中H(m)为型号为m的施肥一体机的扬程
步骤2：对所有的管网进行分配，使得所述步骤1中建立的数学模型的目标函数最小，即使得灌溉施肥系统在满足种植需求时运行费用最低；具体是采用岛群算法和分布估计算法相结合的方法进行求解，其具体步骤为，
步骤2.1：初始化分布估计算法参数：设置算法参数，在满足变量非负约束、管网长度约束及管径约束的前提下，采用随机方式生成M个岛群中个体数量，每个岛中有N个个体。
步骤2.2：计算个体的适应度值，分析计算管道压力约束是否满足，并采用罚函数法对个体的适应度值进行修正；根据修正后的适应度值排序。
步骤2.3：随机岛群的顺序{s1,s2,s3,s4,…sM},按生成的顺序进行移民操作，将一个岛屿中随机K个个体移动到下一个岛屿中，如将第s1岛屿中的k个个体移动到s2中，顺序的最后一个sM岛屿中的k个个体移动到s1中。
步骤2.4.分析个岛屿中群体空间中个体，计算得到均值参数和方差参数，采用高斯分布进行采样，生成下一代群体需满足管网长度约束。
步骤2.5.采用随机局部搜索方法，并结合自适应搜索范围参数，动态的调整每个岛屿的局部搜索范围，调整的规律与群体的进化代数相关。在局部搜索时，应考虑管网长度约束和非负约束，一次局部搜索调整的变量为成对出现的两个变量，使其在满足管网长度等式约束的前提下进行局部搜索。每代进行局部搜索20次。
步骤2.6.循环到步骤2.2，直到当进化L代后算法停止。
步骤2.5.1局部搜索方法具体为，采用爬山搜索算法，在个体的每个维度进行爬山收索，即初始个体为Pi时，计算Pi+Ri或Pi+Ri时个体适应度值是否改进，如果改进则替换原有个体。
步骤2.5.2Ri为局部搜索算子，其值为Ri＝R0*e-αGen/Gmax其中R0为初始范围，通常为变量定义域范围，Gen为当前进化代数，Gmax为最大进行代数，α为调节系统。
本发明的有益效果是：通过建立考虑施肥设备的管网优化数学模型，将施肥需求考虑到管网设计中，更符合现代管网设计的要求；采用岛群算法与分布估计算法相结合的方法，提高求解管网优化问题解的质量，提高管网设计经济效益。
具体实施方式，如图2所示的管网，
机井管网管径及对应价格如表1，节点对应海拔及相应段流量如表2。
表1机井管网不同规格管道价格表
表2机井管网节点高程及流量表
表3水肥机扬程与费用对照表
管道承压水头为40m，节点出水水头为12m，水源地高程为30m，n为0.013，x为20，E为0.2，η为0.7，r为8％，B为5％，hb为0.2，a为1.05，f为1.312×106，m为2，b为5.33。沿程水头损失取10％，k＝1.528×104，c＝130，α＝1.1m。岛群分布估计算法群体规模取100，岛群规模取5，种群进化到1000代时停止进化。计算结果如表4所示，局部搜索系统α为4。
表4机井管网优化结果表
结果表明采用本发明具有较好的结果，以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.一种基于分布估计算法的灌溉施肥管网优化方法，其特征在于，包括以下步骤：
步骤1：建立灌溉施肥管网优化优化数学模型，基于以下目标函数和约束条件，其中，
目标函数：
其中：li,j为第i种轮灌组时第j段管网第k个标准管径的长度；ci,j为第i种轮灌组时第j段管网第k个标准管径的长度；A(m)满足压力要求的第m种型号的水肥机价格；Fi为第i种轮灌组管网年费用；x为折旧年限；r为年利率；B为年平均维修费率；E为电价；T为水泵年工作小时数；Q为水泵流量；H为水泵扬程；η为水泵效率；
约束条件包括：
其中：hcg为管段计算最小压力；hmg为计算管段承受压力；H为管网首端压力；hb为底阀及吸水管水头损失；a为局部水头放大损失；f、m、b为管材相关水头损失系数；Qj为第j段流量；dij为第i种轮灌组情况下第j段管径内径；zg为g节点地面高程；hgmin，hgmax为g管段最小、最大压力约束；J(g)为g节点父节点数；
管径约束：1≤di,j(k)≤M式中M为标准管径数；
管长约束：式中lj为第j段管长度；
非负约束：Si,j(k)≥0
施肥机压力约束：H(m)>H式中H(m)为型号为m的施肥一体机的扬程
步骤2：对所有的管网进行分配，使得所述步骤1中建立的数学模型的目标函数最小，即使得灌溉施肥系统在满足种植需求时运行费用最低，具体是采用岛群算法和分布估计算法相结合的方法进行求解，具体步骤包括，
步骤2.1：初始化分布估计算法参数：设置算法参数，在满足变量非负约束、管网长度约束及管径约束的前提下，采用随机方式生成M个岛群中个体数量，每个岛中有N个个体；
步骤2.2：计算个体的适应度值，分析计算管道压力约束是否满足，并采用罚函数法对个体的适应度值进行修正；根据修正后的适应度值排序；
步骤2.3：随机岛群的顺序{s1,s2,s3,s4,…sM},按生成的顺序进行移民操作，将一个岛屿中随机K个个体移动到下一个岛屿中，如将第s1岛屿中的k个个体移动到s2中，顺序的最后一个sM岛屿中的k个个体移动到s1中；
步骤2.4.分析个岛屿中群体空间中个体，计算得到均值参数和方差参数，采用高斯分布进行采样，生成下一代群体需满足管网长度约束；
步骤2.5.采用随机局部搜索方法，并结合自适应搜索范围参数，动态的调整每个岛屿的局部搜索范围，调整的规律与群体的进化代数相关，在局部搜索时，应考虑管网长度约束和非负约束，一次局部搜索调整的变量为成对出现的两个变量，使其在满足管网长度等式约束的前提下进行局部搜索，每代进行局部搜索20次；
步骤2.6.循环到步骤2.2，直到当进化L代后算法停止。
2.根据权利要求1所述的一种基于分布估计算法的灌溉施肥管网优化方法，其特征在于，步骤2.5中，局部搜索方法具体为，采用爬山搜索算法，在个体的每个维度进行爬山收索，即初始个体为Pi时，计算Pi+Ri或Pi+Ri时个体适应度值是否改进，如果改进则替换原有个体，其中，Ri为局部搜索算子，其值为Ri＝R0*e-αGen/Gmax其中R0为初始范围，通常为变量定义域范围，Gen为当前进化代数，Gmax为最大进行代数，α为调节系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811425100.3A CN109657283B (zh) | 2018-11-27 | 2018-11-27 | 一种基于分布估计算法的灌溉施肥管网优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811425100.3A CN109657283B (zh) | 2018-11-27 | 2018-11-27 | 一种基于分布估计算法的灌溉施肥管网优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109657283A true CN109657283A (zh) | 2019-04-19 |
| CN109657283B CN109657283B (zh) | 2022-12-02 |
Family
ID=66112413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811425100.3A Active CN109657283B (zh) | 2018-11-27 | 2018-11-27 | 一种基于分布估计算法的灌溉施肥管网优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109657283B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111008741A (zh) * | 2019-12-09 | 2020-04-14 | 湖北工业大学 | 一种水肥一体机多目标精准施肥控制参数优化方法 |
| CN111642364A (zh) * | 2020-06-22 | 2020-09-11 | 王程 | 坡田喷灌系统工程管网以及管道设计改进方法 |
| CN112560142A (zh) * | 2020-12-09 | 2021-03-26 | 湖北工业大学 | 灌溉水闸消力池及其结构设计与建造方法 |
| CN113626895A (zh) * | 2020-05-06 | 2021-11-09 | 中国石油化工股份有限公司 | 输油管网管输计划控件拖动式编制方法及装置 |
| CN115017744A (zh) * | 2022-08-08 | 2022-09-06 | 河北建投水务投资有限公司 | 地下水源地供水水力计算模型的建模方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090070281A1 (en) * | 2007-06-01 | 2009-03-12 | Solomon Research Llc | System for hybridized efficient genetic algorithms to solve bi-objective optimization problems with application to network computing |
| US20130074024A1 (en) * | 2010-12-03 | 2013-03-21 | Scott I. Chase | Low-overhead multi-patterning design rule check |
| CN103761385A (zh) * | 2014-01-17 | 2014-04-30 | 河南理工大学 | 一种多热源环状管网的优化设计方法 |
| CN108805364A (zh) * | 2018-06-26 | 2018-11-13 | 扬州大学 | 一种经济作物多模式随机灌溉管道系统优化设计方法 |
-
2018
- 2018-11-27 CN CN201811425100.3A patent/CN109657283B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090070281A1 (en) * | 2007-06-01 | 2009-03-12 | Solomon Research Llc | System for hybridized efficient genetic algorithms to solve bi-objective optimization problems with application to network computing |
| US20130074024A1 (en) * | 2010-12-03 | 2013-03-21 | Scott I. Chase | Low-overhead multi-patterning design rule check |
| CN103761385A (zh) * | 2014-01-17 | 2014-04-30 | 河南理工大学 | 一种多热源环状管网的优化设计方法 |
| CN108805364A (zh) * | 2018-06-26 | 2018-11-13 | 扬州大学 | 一种经济作物多模式随机灌溉管道系统优化设计方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111008741A (zh) * | 2019-12-09 | 2020-04-14 | 湖北工业大学 | 一种水肥一体机多目标精准施肥控制参数优化方法 |
| CN111008741B (zh) * | 2019-12-09 | 2022-06-07 | 湖北工业大学 | 一种水肥一体机多目标精准施肥控制参数优化方法 |
| CN113626895A (zh) * | 2020-05-06 | 2021-11-09 | 中国石油化工股份有限公司 | 输油管网管输计划控件拖动式编制方法及装置 |
| CN113626895B (zh) * | 2020-05-06 | 2024-04-09 | 中国石油化工股份有限公司 | 输油管网管输计划控件拖动式编制方法及装置 |
| CN111642364A (zh) * | 2020-06-22 | 2020-09-11 | 王程 | 坡田喷灌系统工程管网以及管道设计改进方法 |
| CN111642364B (zh) * | 2020-06-22 | 2022-11-25 | 王程 | 坡田喷灌系统工程管网和管道设计的改进方法 |
| CN112560142A (zh) * | 2020-12-09 | 2021-03-26 | 湖北工业大学 | 灌溉水闸消力池及其结构设计与建造方法 |
| CN115017744A (zh) * | 2022-08-08 | 2022-09-06 | 河北建投水务投资有限公司 | 地下水源地供水水力计算模型的建模方法及系统 |
| CN115017744B (zh) * | 2022-08-08 | 2022-11-18 | 河北建投水务投资有限公司 | 地下水源地供水水力计算模型的建模方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109657283B (zh) | 2022-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657283A (zh) | 一种基于分布估计算法的灌溉施肥管网优化方法 | |
| King et al. | Rapid assessment of the water–energy–food–climate nexus in six selected basins of North Africa and West Asia undergoing transitions and scarcity threats | |
| Hakimov et al. | Climate change and water resource alteration in Central Asia: The case of Uzbekistan | |
| CN111642364B (zh) | 坡田喷灌系统工程管网和管道设计的改进方法 | |
| Ding et al. | Comparing the cost-effectiveness of water conservation policies in a depleting aquifer: A dynamic analysis of the Kansas High Plains | |
| CN110889553A (zh) | 基于优化策略的实时配水方法 | |
| Montazar et al. | Optimal water productivity of irrigation networks in arid and semi‐arid regions | |
| CN111685016A (zh) | 山区斜坡茶园喷灌分级抽水变频节能方法 | |
| CN109496520A (zh) | 一种多目标水肥一体化系统轮灌组划分方法 | |
| CN106489687A (zh) | 灌溉装置的控制方法和控制装置 | |
| CN113837891A (zh) | 一种应对气候变化的大面积农灌区水资源均衡高效调配方法 | |
| CN106960129B (zh) | 一种轮灌组划分方法 | |
| García-Prats et al. | Adaptation of pressurized irrigation networks to new strategies of irrigation management: Energy implications of low discharge and pulsed irrigation | |
| Kenjabaev et al. | Irrigation infrastructure in Fergana today: ecological implications–economic necessities | |
| CN114662986B (zh) | 基于源荷匹配程度的风光蓄灌系统容量规划方法 | |
| CN111008741B (zh) | 一种水肥一体机多目标精准施肥控制参数优化方法 | |
| CN111027825B (zh) | 基于典型枯水年和出力系数优选的蓄能调度图绘制方法 | |
| Saad et al. | Optimum design of microirrigation systems in sloping lands | |
| Valizadegan et al. | Quantitative model of optimal conjunctive use of Mahabad plain's surface and underground water resources | |
| CN113642760A (zh) | 服务于大型改扩建供水管网的区域泵站优化选址方法 | |
| Ahmad et al. | On comparison of water and energy productivities in pressurized irrigation systems | |
| CN206851590U (zh) | 一种便携式园林用植物补水装置 | |
| Farahani et al. | Management of modern irrigation systems for high water productivity | |
| ABDELRAZEK et al. | Reducing energy consumption in pressurized irrigation networks using neural networks-soms clustering technique | |
| Reddy | Micro‐Irrigation in Participatory Mode Pays Huge Dividends—Apmip Experiences, India |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |