مقایسه کارایی الگوریتم DDS با الگوریتم ژنتیک و تکامل تصادفی جوامع در بهینه‌سازی پارامترهای مدل هیدرولوژیکی یکپارچه HyMod

Abstract

در دهه‌­های اخیر مدل­‌های هیدرولوژیکی کاربرد گسترده­ای در شبیه‌­سازی فرایند بارش رواناب یافته‌­اند. این مدل­‌ها دارای مقادیر پارامترهای ثابت هستند که نیاز است با روش مناسب، مقادیر آن­‌ها بهینه شوند. در واقع، کارایی مدل­‌های هیدرولوژیک علاوه ­بر ساختار آن­‌ها به مقادیر بهینه پارامترهای آن‌­ها بستگی دارند. در این پژوهش، به ­بررسی کارایی سه روش بهینه‌­سازی اتوماتیک شامل الگوریتم تکامل تصادفی جوامع، DDS و الگوریتم ژنتیک در بهینه­‌سازی پارامترهای مدل یکپارچه HyMod‌ در حوضه قورچای رامیان پرداخته شد. برای هر سه الگوریتم، سرعت رسیدن به هم‌گرایی و میزان تغییرات مقادیر بهینه شده مورد بررسی قرار گرفت. الگوریتم ژنتیک در تعداد اجرای کمتری به هم‌گرایی رسید و پس از آن، الگوریتم DDS در مرتبه بعدی قرار داشت. از نظر زمان اجرا به ازای هر تکرار، کمترین زمان مربوط به روش تکامل تصادفی جوامع و بیشترین زمان مربوط به روش الگوریتم ژنتیک بود. بیشترین نوسانات در جواب­‌های بهینه­ شده مربوط به الگوریتم DDS و کمترین نیز مربوط به الگوریتم تکامل تصادفی جوامع بود که از این نظر، بهینه‌­سازی با استفاده از روش تکامل تصادفی جوامع از ثبات بیشتری برخودار بود. با استفاده از تحلیل واریانس و مقایسه میانگین­ها مشاهده شد، در روش تکامل تصادفی جوامع با افزایش تعداد جوامع تا 12 جمعیت عملکرد مدل بهتر شد که از این تعداد بیشتر، عملکرد الگوریتم بهبود پیدا نکرد. برای پارامتر alpha با افزایش مقدار آن، عملکرد الگوریتم بدتر شد و بهترین عملکرد الگوریتم مربوط به مقدار برابر با 0.58 بود. بر عکس پارامتر alpha، با افزایش پارامتر beta عملکرد الگوریتم بهتر شد و بهترین عملکرد در مقدار beta برابر با یک به‌دست آمد. برای الگوریتم ژنتیک مقادیر بهینه تعداد کروموزوم‌ها، نرخ تزویج و نرخ جهش به‌ترتیب برابر با 16، 0.2 و 0.3 به‌­دست آمد.