الفهرس 
Chapter One IntroductionOnly 14 pages are availabe for public view
 |  | from | 238 |  |  |
| | | from | 238 | | |
Abstract
تعتبر طريقة الري بالتنقيط من أشهر تقنيات الري المستخدمة في العالم لأنها توفر رياً جيداً وعالي الاتساق. باستخدام شبكة الأنابيب، تستخدم هذه التقنية بواعث لتغيير المياه قبل توزيعها على النبات. على الرغم من فوائد الري بالتنقيط، فإن للشبكة التقليدية العديد من المشكلات، بما في ذلك توزيع التصريف والطمي وتأثير نوع التربة. يجب أن يلبي موقع ومعدل إمداد المياه في منطقة الجذور احتياجات المحاصيل من أجل تحقيق أهداف استخدام نظام الري بالتنقيط بنجاح. غالبًا ما تعتمد معايير تشغيل نظام الري بالتنقيط على تصنيفات نسيج التربة. تعتبر رطوبة التربة من أهم العوامل في تحديد معدل الترشيح العميق للنظام وكفاءته. يعتمد تصميم جدولة الري واختيار العمق والمسافات بين الأنابيب وزيادة فعالية أنظمة الري بالتنقيط بشكل كبير على معرفة نمط ترطيب التربة وحركتها. الهدف من هذا المشروع هو تحسين نظام الري بالتنقيط الآلي القائم على الذكاء الاصطناعي وإنترنت الأشياء، والذي يمكنه ري الحقول بشكل مستقل باستخدام بيانات التربة، من أجل تشغيل نظام الري بالتنقيط في التربة الرملية والطينية. من خلال القيام بذلك، يمكن إنشاء نظام ذكي يأخذ في الاعتبار نوع المحاصيل، والطلب الاستهلاكي لها، ونوع التربة، ووقت تشغيل التنقيط (t) ، وتصريف المنقط (Qd)، وتكرار الري (Fw) في الشبكة، بحيث يتم ري المناطق الزراعية بشكل انتقائي فقط عند الضرورة. منهجية العمل الميداني والنهج النظري هما المنهجيتان اللتان تستخدمهما الدراسة. في العمل الميداني، يتم إجراء فحص التربة للنظر في الخصائص الفيزيائية والكيميائية للتربة التي لها تأثير على جودتها ومدى ملاءمتها لنمو النباتات. تم إجراء دراسة اختبار التربة في مختبر هندسي لمراقبة أداء هذا النظام. فيما يتعلق بالاستراتيجية النظرية، قياسات القدرة الحقلية، النسبة المئوية للمساحة المبللة، عمق المياه المخزنة في منطقة الجذر، المحتوى الرطوبي المتاح بسهولة، عمق منطقة الجذر, الاستخدام الاستهلاكي حسب متوسط درجة الحرارة اليومية السنوية ومتوسط النسبة المئوية اليومية لساعات النهار السنوية، التوصيل الهيدروليكي المشبع للتربة، عرض التربة المبلل للتربة الرملية والطينية و حسب دائرة إلاحصاء البيئية - الجهاز المركزي للإحصاء - العراق (من 2015 إلى 2020). قسّم المعلومات إلى ثلاثة أقسام قائمة على أوضاع التعلم الآلي. يُعرف الأول باسم بيانات التدريب ويستخدم في حسابات نموذج الانحدار. يُعرف الثاني باسم بيانات الاختبار ويستخدم لمقارنة أداء نموذج الذكاء الاصطناعي باستخدام طرق متعددة، آلة دعم المربعات الصغرى (LSSVM)، الشبكة العصبية للانتشار الخلفي (BPNN) وآلة المتجهات الداعمة (SVM). يتم اختيار الطريقة التي توفر القيمة الأكثر دقة لأن دقة نموذج الانحدار تزداد مع تناقص جذر متوسط الخطأ التربيعي (RMSE) ومتوسط الخطأ التربيعي (MSE) ومتوسط الخطأ المطلق (MAE) وزيادة قيم معامل التحديد (R2). يُعرف الثالث باسم بيانات التحقق من خلال تطبيق بيانات التجارب على أفضل نموذج انحدار لتحديد ما إذا كان وقت تشغيل التنقيط (t) وتصريف المنقط (Qd) وتكرار الري (Fw) مناسبًا أو غير مناسب. تم استخدام برنامج معروف جيدًا يسمى CROPWAT لحساب متطلبات المياه للمحاصيل ومتطلبات الري بناءً على تلك القياسات. تم اقتراح نظام الذكاء الاصطناعي (AI) للتحكم الأمثل وتصميم أنظمة الري بالتنقيط. لتقليل التكلفة الوظيفية، يتم استخدام خوارزميات محسن القرش الأبيض (WSO) والحل المرتبط بورقة بيانات Excel. يتم تحقيق التحسين من خلال تقليل تكلفة خط الأنابيب الرئيسي لنظام الري بالتنقيط وتظهر النتائج دقة وفعالية عالية للطريقتين. ان الغرض من العمل هو وصف نظام الذكاء الاصطناعي للتحكم الأمثل وتصميم نظام الري بالتنقيط بناءً على الأساليب الرياضية الحديثة وتتمثل مساهمة العمل في أنه يصف فعالية نهج الذكاء الاصطناعي الشامل في تصميم ومراقبة أنظمة الري بالتنقيط من أجل الزراعة والبيئة المستدامة.