Oʻzbekcha
IRRIGATSIYA TARMOG‘I GRAF MODELIDA SAMARADORLIK KOEFFITSIENTLARI ASOSIDA NETTO TALABNI BRUTTO REJAGA AVTOMATIK O‘TKAZISH
Аннотация
Ushbu tezisda irrigatsiya tarmog‘ini yo‘naltirilgan graf ko‘rinishida ifodalash asosida fermerlarning dekadaviy netto suv talabini manbadagi brutto reja hajmlariga avtomatik o‘tkazish usuli taklif etilgan. Tadqiqotning asosiy maqsadi suv iste’molchilari, terminallar va kanal qirralari o‘rtasidagi bog‘lanishlarni formallashtirish hamda tarmoqdagi tashish samaradorligi koeffitsientlarini hisobga olgan holda rejalashtirish hisoblarini avtomatlashtirishdan iborat. Ishda fermer kesimidagi netto talab ekin maydoni va dekadaviy sug‘orish me’yori asosida aniqlanadi, so‘ng ulush koeffitsientlari yordamida terminallarga taqsimlanadi. Keyin terminallardan manba tomon orqaga hisoblash orqali har bir qirra uchun kiruvchi brutto hajmlar va o‘rtacha sarflar hisoblanadi. Taklif etilgan yondashuv samaradorlik koeffitsientlarining o‘zgarishi manbada talab etiladigan umumiy suv hajmiga qanday ta’sir qilishini ssenariy asosida baholash imkonini beradi. Natijada ushbu hisoblash yadrosi suv resurslarini operativ rejalashtirish, limitlash masalalari va keyingi bosqichdagi ierarxik boshqaruv modellari uchun yagona «talab–reja» ma’lumot qatlamini shakllantiradi.
Ключевые слова
brutto reja
dekadaviy rejalashtirish
irrigatsiya tarmog‘i
netto suv talabi
orqaga hisoblash
samaradorlik koeffitsienti
suv taqsimoti
yo‘naltirilgan graf
Русский
АВТОМАТИЧЕСКОЕ ПРЕОБРАЗОВАНИЕ НЕТТО-ПОТРЕБНОСТИ В БРУТТО-ПЛАН НА ОСНОВЕ КОЭФФИЦИЕНТОВ ЭФФЕКТИВНОСТИ В ГРАФОВОЙ МОДЕЛИ ОРОСИТЕЛЬНОЙ СЕТИ
В данном тезисе предложен метод автоматического преобразования декадной нетто-потребности фермеров в воде в брутто-плановые объемы у источника на основе представления оросительной сети в виде ориентированного графа. Основная цель исследования заключается в формализации связей между водопотребителями, терминалами и рёбрами канальной сети, а также в автоматизации плановых расчётов с учётом коэффициентов транспортной эффективности в сети. В работе нетто-потребность на уровне фермерского хозяйства определяется на основе посевной площади и декадной оросительной нормы, после чего с использованием долевых коэффициентов распределяется по терминалам. Далее посредством обратного расчёта от терминалов к источнику определяются входные брутто-объёмы и средние расходы для каждого ребра сети. Предложенный подход позволяет в сценарной постановке оценивать, как изменение коэффициентов эффективности влияет на общий объём воды, требуемый у источника. В результате данное вычислительное ядро формирует единый слой данных «потребность–план» для оперативного планирования водных ресурсов, задач лимитирования и последующих моделей иерархического управления.
брутто-план
декадное планирование
коэффициент эффективности
нетто-потребность в воде
обратный расчёт
ориентированный граф
оросительная сеть
распределение воды
English
AUTOMATIC CONVERSION OF NET DEMAND INTO A GROSS PLAN BASED ON EFFICIENCY COEFFICIENTS IN A GRAPH MODEL OF AN IRRIGATION NETWORK
. This thesis proposes a method for the automatic conversion of farmers’ decadal net water demand into gross planned volumes at the source based on representing an irrigation network as a directed graph. The main objective of the study is to formalize the relationships among water users, terminals, and canal edges, and to automate planning calculations while accounting for conveyance efficiency coefficients within the network. In the proposed approach, net demand at the farm level is determined from the cultivated area and the decadal irrigation norm, after which it is distributed among terminals using allocation coefficients. Then, through backward calculation from the terminals to the source, the incoming gross volumes and average discharges are determined for each network edge. The proposed method makes it possible to evaluate, in a scenario-based setting, how changes in efficiency coefficients affect the total water volume required at the source. As a result, this computational core forms a unified “demand–plan” data layer for operational water planning, water limiting tasks, and subsequent hierarchical control models.
backward calculation
decadal planning
directed graph
efficiency coefficient
gross plan
irrigation network
net water demand
water distribution.
[1] D. Khaydar et al., “Investigation of crop evapotranspiration and irrigation water requirement in the lower Amu Darya River Basin, Central Asia,” J. Arid Land, vol. 13, no. 1, pp. 23–39, Jan. 2021, doi: 10.1007/s40333-021-0054-9.
[2] M. F. Aslam et al., “Modelling crop water demand under climate change: the case of Sardinia region,” Irrig Sci, vol. 43, no. 6, pp. 1681–1698, Nov. 2025, doi: 10.1007/s00271-025-01027-8.
[3] H. Cunha, D. Loureiro, G. Sousa, D. Covas, and H. Alegre, “A comprehensive water balance methodology for collective irrigation systems,” Agricultural Water Management, vol. 223, p. 105660, Aug. 2019, doi: 10.1016/j.agwat.2019.05.044.
[4] A. Ferreira, J. Rolim, P. Paredes, and M. D. R. Cameira, “Methodologies for Water Accounting at the Collective Irrigation System Scale Aiming at Optimizing Water Productivity,” Agronomy, vol. 13, no. 7, p. 1938, Jul. 2023, doi: 10.3390/agronomy13071938.
[5] Y. Fan et al., “Water distribution and scheduling model of an irrigation canal system,” Computers and Electronics in Agriculture, vol. 209, p. 107866, Jun. 2023, doi: 10.1016/j.compag.2023.107866.
[6] K. Zhou et al., “The coupled model of water delivery and distribution regulation for single-canal pool systems,” Agricultural Water Management, vol. 313, p. 109475, May 2025, doi: 10.1016/j.agwat.2025.109475.
[7] C. El Hachimi et al., “Towards collective intelligence in agriculture: Deep reinforcement learning and digital twins for efficient management of collective irrigation water distribution systems,” Energy Nexus, vol. 20, p. 100599, Dec. 2025, doi: 10.1016/j.nexus.2025.100599.
[8] J. L. Wenzel, J. Pöhlitz, M. Usman, T. Piernicke, and C. Conrad, “Enhancing irrigation scheduling by application efficiency estimations and soil moisture simulations,” European Journal of Agronomy, vol. 164, p. 127487, Mar. 2025, doi: 10.1016/j.eja.2024.127487.
[9] D. Zhou, C. Zheng, L. Jia, M. Menenti, J. Lu, and Q. Chen, “Evaluating the Performance of Irrigation Using Remote Sensing Data and the Budyko Hypothesis: A Case Study in Northwest China,” Remote Sensing, vol. 17, no. 6, p. 1085, Mar. 2025, doi: 10.3390/rs17061085.