بهینه سازی پارامترهای غیرخطی مدل ماسکینگام NL5با الگوریتم SHO

Abstract

در این پژوهش، الگوریتم کفتار خالدار(SHO) به‌عنوان الگوریتمی مبتنی بر رفتار کفتارهای نوع خالدار برای اولین بار در بهینه‏سازی پارامترهای مدل غیرخطی ماسکینگام برای روندیابی سیلاب استفاده‌شده است. برای بررسی کارایی این الگوریتم، در مدل‌های ماسکینگام غیرخطی NL3 و مدل توسعه‌یافته NL5، مطالعۀ موردی سیل ویلسون برای صحت­سنجی و هم­چنین یک سیل تاریخی از منطقۀ کارده به‌عنوان مطالعه موردی به‌منظور روندیابی سیلاب و محاسبۀ پارامترهای مدل ماسکینگام انتخاب شد. برای ارزیابی مقدار خطای آماری بین دبی‏های روندیابی­شده و مشاهداتی از شاخص‌های آماری SSQ و MSE به‌عنوان تابع هدف استفاده‌شده است. براساس نتایج به‏دست‏آمده از روندیابی سیل ویلسون با استفاده از الگوریتم SHO، برای مدل NL3 مقادیر توابع هدف به­ترتیب برابر 778/128و 852/5 مترمکعب بر ثانیه و برای مدل NL5 مقادیر توابع هدف به­ترتیب 776/21و262/0 است. نتایج روندیابی مطالعه موردی، سیل کارده با الگوریتم مذکور نیز نشان داد مجموع مربعات انحرافات روندیابی­شده برای مدل NL3 به­ترتیب برابر 552/4 و برای مدل NL5 برابر 261/1 می‌باشد. در تحقیق حاضر، ابتدا در مدل NL3 عملکرد الگوریتم کفتار خالدار با الگوریتم فرا کاوشی دیگر نظیر الگوریتم ژنتیک و الگوریتم چرخه آب مقایسه و با توجه به عملکرد بهتر این الگوریتم، در مدل NL5 مورد بررسی قرار گرفت. نتایج شاخص‌های آماری بیان‌کنندۀ برتری مدل NL5 نسبت به مدل NL3 و برتری الگوریتم SHO نسبت به الگوریتم‌های مقایسه­شده دیگر برای محاسبۀ پارامترهای غیرخطی مدل ماسکینگام و پیش‏بینی دقیق سیلاب دارد. بنابراین، از دستاوردهای پژوهش حاضر می‏توان به معرفی مدل ماسکینگام غیرخطی NL5 بر مبنای الگوریتم SHO برای حل مسائل روندیابی سیلاب اشاره داشت.