Laboratory experiments were used to estimate the hydraulic performance of emitters, i.e., the emitter flow variation ( q var ) and manufacturer’s coefficient of variation (CV m ), by measuring the discharge of different labyrinth-channel emitters at different operating pressures ( P ) and water temperatures ( T ). Considering the importance of the structural parameters of the labyrinth-channel emitters in drip irrigation design, which has been experimentally confirmed, artificial neural network (ANN) and gene expression programming (GEP) models were developed to predict q var and CV m . The ANN and GEP models were trained and tested using structural parameters (including the number, height ( H ), and spacing of trapezoidal units and the flow path width and length) of different labyrinth-channel emitters, P and T as the input variables, and q var and CV m as the outputs. Statistical criteria, including the coefficients of correlation ( r ), relative root-mean-square error (RRMSE), and mean absolute error (MAE), were used to examine the accuracy of the developed models. The ANN models exhibited good correlation with experimental values, with high r values 0.995 and 0.969 for q var and 0.997 and 0.947 for CV m in the training and testing processes, respectively. The ANN models had lower RRMSE and MAE values than the GEP models. Furthermore, H was the dominant variable for obtaining the most accurate prediction model. The results confirm that the ANN models are superior to the GEP models for the prediction of the hydraulic performance of emitters.

中文翻译：

---

迷宫式渠道发射器的水力性能：实验研究、人工神经网络和 GEP 建模

通过实验室实验，通过测量不同迷宫式水道灌水器在不同工作压力 ( P ) 下的流量，估算灌水器的水力性能，即灌水器流量变化 ( q var ) 和制造商的变化系数 (CV m ) 和水温 (T)。考虑到迷宫式通道发射器结构参数在滴灌设计中的重要性，并已通过实验证实，开发了人工神经网络 (ANN) 和基因表达编程 (GEP) 模型来预测 q var 和 CV m 。使用不同迷宫通道发射器的结构参数（包括梯形单元的数量、高度（ H ）和间距以及流路宽度和长度），P 和 T 作为输入变量，训练和测试 ANN 和 GEP 模型，和 q var 和 CV m 作为输出。统计标准，包括相关系数 (r)、相对均方根误差 (RRMSE) 和平均绝对误差 (MAE)，用于检查开发模型的准确性。ANN 模型与实验值显示出良好的相关性，在训练和测试过程中，q var 的 r 值分别为 0.995 和 0.969，CV m 的 r 值分别为 0.997 和 0.947。ANN 模型的 RRMSE 和 MAE 值低于 GEP 模型。此外，H 是获得最准确预测模型的主要变量。结果证实 ANN 模型优于 GEP 模型，用于预测滴水器的水力性能。和平均绝对误差 (MAE)，用于检查开发模型的准确性。ANN 模型与实验值显示出良好的相关性，在训练和测试过程中，q var 的 r 值分别为 0.995 和 0.969，CV m 的 r 值分别为 0.997 和 0.947。ANN 模型的 RRMSE 和 MAE 值低于 GEP 模型。此外，H 是获得最准确预测模型的主要变量。结果证实 ANN 模型优于 GEP 模型，用于预测滴水器的水力性能。和平均绝对误差 (MAE)，用于检查开发模型的准确性。ANN 模型与实验值显示出良好的相关性，在训练和测试过程中，q var 的 r 值分别为 0.995 和 0.969，CV m 的 r 值分别为 0.997 和 0.947。ANN 模型的 RRMSE 和 MAE 值低于 GEP 模型。此外，H 是获得最准确预测模型的主要变量。结果证实 ANN 模型优于 GEP 模型，用于预测滴水器的水力性能。ANN 模型的 RRMSE 和 MAE 值低于 GEP 模型。此外，H 是获得最准确预测模型的主要变量。结果证实 ANN 模型优于 GEP 模型，用于预测滴水器的水力性能。ANN 模型的 RRMSE 和 MAE 值低于 GEP 模型。此外，H 是获得最准确预测模型的主要变量。结果证实 ANN 模型优于 GEP 模型，用于预测滴水器的水力性能。