مقایسه الگوریتم‎های سرد کردن فلزات (SA) و جامعه ذرات (PSO) در بهینه‌سازی پارامترهای هیدرولوژیکی حوضه مهابادچای

Abstract

چکیده مقدمه: با استفاده از مدل‎های هیدرولوژیکی، فرایند بارش-رواناب شبیه‌سازی می­شود. دقت نتایج حاصل از مدل‎های هیدرولوژیکی، به دقت پارامترهای هیدرولوژیکی ورودی به مدل از قبیل شماره منحنی (CN)، ضریب تلفات اولیه (Ia) و زمان تاخیر Lt)) بستگی دارد. با این حال، در بعضی از حوضه‏ها مقادیر پارامترهای هیدرولوژیکی بطور دقیق و یا اصلا وجود ندارد و تنها چند هیدروگراف مشاهده‏ای وجود دارد. یافتن مقادیر بهینه پارامترهای هیدرولوژیکی در چنین حوضه‏هایی، ضروری است. روش­: برآورد دقیق پارامترهای CN، Ia و Lt در حوضه آبخیز مهابادچای (که فاقد آمار پارامترهای هیدرولوژیکی است) با استفاده از الگوریتم‏های بهینه‏سازی (Particle Swarm Optimization) PSO و (Simulated Annealing) SA، هدف اصلی این تحقیق است. در هر تکرار، بهینه‎ساز مقادیر پارامترهای هیدرولوژیکی حوضه را برآورد می‏کند که به عنوان ورودی‌های HEC-HMS استفاده می‌شوند. در ادامه مدل HEC-HMS، رواناب حوضه را شبیه‏سازی (دبی محاسباتی) می‏کند. در مرحله بعد دبی محاسباتی با دبی مشاهداتی مقایسه شده و بهینه‏ساز بر مبنای ریشه میانگین مربعات خطا (RMSE) به عنوان تابع هدف، پارامترهای هیدرولوژیکی را اصلاح کرده و این فرایند تا رسیدن به پاسخ بهینه، تکرار می‏شود. ارتباط بین مدل HEC-HMS و بهینه‎ساز با استفاده از برنامه‏ای که در AutoIt نوشته شد، برقرار و بهینه‏سازی به صورت خودکار انجام می‏شود. برای این منظور، از داده­های ساعتی بارش-رواناب (دبی مشاهداتی) پنج رخداد مربوط به سال 1387 در حوضه آبخیر مهابادچای استفاده شد. یافته­ ها: نتایج نشانگر برآورد دقیق پارامترهای هیدرولوژیکی است و الگوریتم PSO سرعت بالاتری در همگرایی به تابع هدف بهینه و پیدا کردن پارامترهای هیدرولوژیکی حوضه شامل CN، Ia و Lt داشت. همچنین، دبی‏های بهینه محاسباتی SA نسبت به PSO، تناسب بیشتری با مقادیر متناظر مشاهداتی داشت. نتیجه­ گیری: با توجه به نتایج تحقیق حاضر می‌توان نتیجه گرفت که با لینک مدل‌های بهینه‌سازی و مدل‌های هیدرولوژیکی می‌توان نسبت به براورد دقیق پارامترهای هیدرولوژیکی در حوضه‌های فاقد آمار اقدام نمود و نتایج با دقت خوبی بدست آورد.