Computer evaluation of sprinkler irrigation uniformity

Fukui, Yasuyoshi; Nakanishi, Kenji; Okamura, Shunichi

doi:10.1007/bf00285427

Cited by 89 publications

(99 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…where C' is the corrected aerodynamic drag coefficient; C is the aerodynamic drag coefficient which can be expressed as a function of the Reynolds number of a spherical drop and the kinematic viscosity of the air (Fukui et al, 1980;Seginer et al, 1991); β is the angle formed by vectors V (relative drop velocity in the air) and U (absolute drop velocity); α the angle formed by the vectors V and W (wind velocity); and K 1 and K 2 are the empirical parameters determined for each wind velocity conditions. The combination of both parameters has led to significant improvements in the simulation of wind distorted water distribution patterns (Tarjuelo et al, 1994).…”

Section: γ = -------------------[1] Dmentioning

confidence: 99%

“…Simulating water distribution patterns for fixed spray plate sprinkler using the ballistic theorytheory considers the wind effect as the main factor of the drops trajectory distortions (Fukui et al, 1980;Playán et al, 2006). Accordingly, a sprinkler is simulated as a device emitting drops of different diameters.…”

Section: Model Calibrationmentioning

confidence: 99%

“…Ballistic simulation (Fukui et al, 1980) has been successfully applied to impact sprinklers Playán et al, 2006). Ballistic sprinkler simulation models require information on drop diameter distribution to estimate the landing point and terminal velocity of drops resulting from a certain irrigation event.…”

mentioning

confidence: 99%

See 2 more Smart Citations

Simulating water distribution patterns for fixed spray plate sprinkler using the ballistic theory

Ouazaa

Burguete

Paniagua

et al. 2014

Span. j. agric. res.

View full text Add to dashboard Cite

Ballistic simulation of the spray sprinkler for self-propelled irrigation machines requires the incorporation of the effect of the jet impact with the deflecting plate. The kinetic energy losses produced by the jet impact with the spray plate were experimentally characterized for different nozzle sizes and two working pressures for fixed spray plate sprinklers (FSPS). A technique of low speed photography was used to determine drop velocity at the point where the jet is broken into droplets. The water distribution pattern of FSPS for different nozzle sizes, working at two pressures and under different wind conditions were characterized in field experiments. The ballistic model was calibrated to simulate water distribution in different technical and meteorological conditions. Field experiments and the ballistic model were used to obtain the model parameters (D50, n, K1and K2). The results show that kinetic energy losses decrease with nozzle diameter increments; from 80% for the smallest nozzle diameter (2 mm) to 45% for nozzle diameters larger than 5.1 mm, and from 80% for the smallest nozzle diameter (2 mm) to 34.7% for nozzle diameters larger than 6.8 mm, at 138 kPa and 69 kPa working pressures, respectively. The results from the model compared well with field observations. The calibrated model has reproduced accurately the water distribution pattern in calm (r=0.98) and high windy conditions (r=0.76). A new relationship was found between the corrector parameters (K1’ and K2’) and the wind speed. As a consequence, model simulation will be possible for untested meteorological conditions.

show abstract

Section: γ = -------------------[1] Dmentioning

confidence: 99%

Section: Model Calibrationmentioning

confidence: 99%

See 1 more Smart Citation

Simulating water distribution patterns for fixed spray plate sprinkler using the ballistic theory

Ouazaa

Burguete

Paniagua

et al. 2014

Span. j. agric. res.

View full text Add to dashboard Cite

show abstract

“…La simulación del patrón de distribución de agua de los aspersores de impacto se ha estudiado mediante la dinámica de gotas explicada por la teoría balística (Fukui et al 1980). Para simular el movimiento de gotas es necesario conocer dónde se forman, su distribución de tamaños, su velocidad inicial y la resistencia aerodinámica a la que están expuestas.…”

Section: ) Introducción Y Objetivounclassified

XXXVI Congreso Nacional de Riegos, Valladolid 2018 DOI: http//dx.doi.org/10.25028/CNRiegos.2018.A25 A-25 MODELO DE SIMULACIÓN DE RIEGO POR ASPERSIÓN CON CALIBRACIÓN AUTOMÁTICA A UNA BASE DE DATOS EXPERIMENTAL

Robles¹,

Burguete²,

Zapata³

et al. 2018

XXXVI Congreso Nacional De Riegos

View full text Add to dashboard Cite

ResumenLa simulación del patrón de distribución de agua de los aspersores de impacto se ha estudiado mediante la dinámica de gotas explicada por la teoría balística. Diversos trabajos de investigación han propuesto modelos de simulación de riego por aspersión basados en ecuaciones semi-empíricas. En este trabajo se desarrollaron modificaciones al modelo de simulación balística de Playán et al. (2006) en las siguientes etapas del modelo: la generación y distancia de formación de las gotas, la interceptación de gotas en un plano horizontal sobre el suelo, sobre el modelo de PEA, el método numérico de solución, en la definición de la función objetivo a minimizar, y en el proceso de calibración y validación del modelo. El objetivo de este trabajo es desarrollar una herramienta automática de simulación de riego por aspersión separando el proceso de simulación del de calibración. Para ello se conformó una base de datos con ensayos experimentales de cinco aspersores de impacto utilizados comúnmente en el Valle del Ebro. Se obtuvo un modelo de pérdidas por evaporación y arrastre para ajustar las pluviometrías simuladas que representa su variabilidad en un 56%. Para la solución de la dinámica de gotas se utilizó el método de Runge-Kutta de orden 3 con un incremento de tiempo variable. En términos de uniformidad de riego el modelo calibrado representa la variabilidad en un 68 % logrando disminuir los errores del trabajo anterior en particular para un aspersor de impacto. Se destaca la potencia del auto-calibrador de ejecución paralelizada usando un Clúster del CSIC con lo que se agilizó el proceso de calibración y simulación. 1) Introducción y objetivoLos modelos de simulación en riego por aspersión son de gran importancia para mejorar la gestión del agua de riego, especialmente a escala de parcela. La simulación del patrón de distribución de agua de los aspersores de impacto se ha estudiado mediante la dinámica de gotas explicada por la teoría balística (Fukui et al. 1980). Para simular el movimiento de gotas es necesario conocer dónde se forman, su distribución de tamaños, su velocidad inicial y la resistencia aerodinámica a la que están expuestas. Vories et al. (1987) analizó la formación de gotas concluyendo que se forman en dos puntos: a la salida de la boquilla y a un metro de la misma. Diversas técnicas directas e indirectas se han desarrollado para caracterizar gotas en aspersores tipo spray o de impacto

show abstract

“…Regarding the ground, the droplet velocity is equal to the velocity of the drop in the air plus the wind vector (Playan et al, 2006). The major advance of ballistic models has occurred in the last few decades and several irrigation simulation models have been developed (Fukui et al, 1980;Vories et al, 1987;Seginer et al, 1991a;Carrion et al, 2001;Montero et al, 2001;Dechmi et al, 2004;Lorenzini, 2004;De Wrachien & Lorenzini, 2006;Playan et al, 2006;Yan et al, 2010).…”

Section: Introductionmentioning

confidence: 99%

Artificial neural networks for simulating wind effects on sprinkler distribution patterns

Sayyadi

Sadraddini

Zadeh

et al. 2012

Span. j. agric. res.

View full text Add to dashboard Cite

A new approach based on Artificial Neural Networks (ANNs) is presented to simulate the effects of wind on the distribution pattern of a single sprinkler under a center pivot or block irrigation system. Field experiments were performed under various wind conditions (speed and direction). An experimental data from different distribution patterns using a Nelson R3000 Rotator ® sprinkler have been split into three and used for model training, validation and testing. Parameters affecting the distribution pattern were defined. To find an optimal structure, various networks with different architectures have been trained using an Early Stopping method. The selected structure produced R 2 = 0.929 and RMSE = 6.69 mL for the test subset, consisting of a Multi-Layer Perceptron (MLP) neural network with a backpropagation training algorithm; two hidden layers (twenty neurons in the first hidden layer and six neurons in the second hidden layer) and a tangent-sigmoid transfer function. This optimal network was implemented in MATLAB ® to develop a model termed ISSP (Intelligent Simulator of Sprinkler Pattern). ISSP uses wind speed and direction as input variables and is able to simulate the distorted distribution pattern from a R3000 Rotator ® sprinkler with reasonable accuracy (R 2 > 0.935). Results of model evaluation confirm the accuracy and robustness of ANNs for simulation of a single sprinkler distribution pattern under real field conditions. Additional key words: backpropagation; distortion by wind; ISSP; MLP neural networks; simulation; sprinkler; water application. ResumenRedes neuronales artificiales para simular el efecto del viento sobre el patrón de distribución del agua de un aspersor Se presenta un nuevo modelo basado en la técnica de Redes Neuronales Artificiales (RNA) para simular el efecto del viento sobre la distribución de agua de un aspersor, en un sistema estacionario o en equipos pivote. Se han realizado una serie de ensayos experimentales con diferentes velocidades y direcciones de viento, para el emisor Rotator R3000 de Nelson. El conjunto de datos obtenidos para los diferentes patrones de distribución del agua han sido divididos en tres grupos, y utilizados en las correspondientes fases de entrenamiento, análisis y validación. Se han definido los parámetros que influyen sobre el patrón de distribución de agua. Con el fin de encontrar una estructura de red óptima, varias redes con diferente arquitectura han sido entrenadas usando un método supervisado. Con la estructura óptima se consiguió un R 2 = 0,929 y RMSE = 6,69 mL para el grupo de ensayos correspondientes a la red Multi-Layer Perceptron (MLP) mediante el algoritmo de aprendizaje supervisado con retroalimentación, dos niveles de capas ocultas (veinte neuronas en el primer nivel y seis neuronas en el segundo) y una función de transferencia tangente hiperbólica. Esta red optimizada fue implementada en MATLAB para desarrollar un modelo llamado ISSP (Simulador Inteligente del Modelo de Distribución). ISSP utiliza la velocidad y dirección de vie...

show abstract

Computer evaluation of sprinkler irrigation uniformity

Cited by 89 publications

References 1 publication

Simulating water distribution patterns for fixed spray plate sprinkler using the ballistic theory

Simulating water distribution patterns for fixed spray plate sprinkler using the ballistic theory

XXXVI Congreso Nacional de Riegos, Valladolid 2018 DOI: http//dx.doi.org/10.25028/CNRiegos.2018.A25 A-25 MODELO DE SIMULACIÓN DE RIEGO POR ASPERSIÓN CON CALIBRACIÓN AUTOMÁTICA A UNA BASE DE DATOS EXPERIMENTAL

Artificial neural networks for simulating wind effects on sprinkler distribution patterns

Contact Info

Product

Resources

About