تخمین پارامترهای بهینه مدل روندیابی غیرخطی ماسکینگام با استفاده از الگوریتم مورچگان پیوسته

Abstract

بهینه­سازی پارامترهای مدل غیرخطی ماسکینگام به روش آزمون و خطا و روش­های عددی انجام می­شود. این روش­ها دشوار و وقت­گیر می­باشد اما الگوریتم­های فرا ابتکاری با سرعت بالاتر و به‌صورت دقیق­تر می­توانند تخمینی مناسب از این پارامترها را به دست دهند. در این پژوهش کارایی الگوریتم مورچگان پیوسته (ACOr)، در تخمین پارامترهای بهینه مدل روندیابی غیرخطی ماسکینگام مورد بررسی قرار گرفته است و برای ارزیابی آن از معیار مجموع مربعات خطا استفاده شده است. نتایج این تحقیق نشان داد که الگوریتم مورچگان پیوسته در مورد سیل ویلسون با 7679/36 SSE = و در مورد سیلاب رودخانه وی با 14/37944 SSE = کارایی مناسبی داشته است. پس اطمینان از کارایی الگوریتم ACOr، مدل روندیابی غیرخطی ماسکینگام برای رودخانه کارون نیز مورد بررسی قرار گرفت و مقدار SSE آن برابر 735/144691 بوده که در مقایسه با الگوریتم کلونی زنبور عسل (4/177161SSE=) کارایی بالاتری را نشان داد. همچنین در این تحقیق روندیابی این سه سیلاب با روش کان­وکس نیز مورد بررسی قرار گرفت که در مورد سیلاب ویلسون و سیلاب رودخانه وی این روش عملکرد مناسبی نداشته اما در روندیابی سیلاب رودخانه کارون عملکرد مناسبی را نسبت به روش ماسکینگام غیرخطی نشان داده است. این مدل تخمین مناسبی از دبی اوج به دست آورده است، که این موضوع از نظر اجرای سیستم­های هشدار سیل بسیار اهمیت دارد.