مقایسه توابع هدف مختلف در تخمین فراسنجهای بهینه ماسکینگام خطی و غیر خطی
محورهای موضوعی : مقالات برگرفته از پایان نامه
شراره محمودی نیا
1
(دانشجوی کارشناسی ارشد مهندسی عمران، دانشگاه رازی)
میترا جوان
2
(استادیار گروه مهندسی عمران، دانشگاه رازی-پژوهشکده تحقیقات پیشرفته آب و فاضلاب، دانشگاه رازی)
افشین اقبال زاده
3
(استادیار گروه مهندسی عمران، دانشگاه رازی-پژوهشکده تحقیقات پیشرفته آب و فاضلاب، دانشگاه رازی)
کلید واژه: بهینه سازی, الگوریتم وراثتی, روندیابی, سیلاب, ماسکینگام,
چکیده مقاله :
پیش بینی و مهارکردن سیلاب یکی از مسائل مهم و اساسی در مدیریت سامانههای منابع آب به منظور بهرهبرداری بهینه از توان های موجود می باشد. در علم آب نهرهای باز و مهندسی رودخانه مطالعه و تحلیل این گونه مسائل با استفاده از روشهای روندیابی سیلاب انجام میگیرد. یکی از بهترین و کاربردی ترین روشها در روندیابی آبشناسی رودخانهها، "شبیه ماسکینگام" است. برای تعیین و تخمین فراسنجهای ماسکینگام روشهای تجربی مختلفی برمبنای آزمون و خطا، روش حداقل مربعات و... ارائه شده است. یکی از روشهای تخمین ضرائب ماسکینگام الگوریتم وراثتی میباشد. مقایسه نتایج روشهای تجربی با روش الگوریتم وراثتی (GA) نشان میدهد که روش الگوریتم وراثتی روشی مناسب و بسیار سریع برای تخمین ضرائب ماسکینگام است. نکتهای که باید در مسائل بهینهسازی مورد توجه قرار گیرد تعیین تابع هدف با توجه به طبیعت مسأله است که در تعیین عملکرد الگوریتم نقش ویژهای دارد. در این پژوهش برای شبیه خطی و غیر خطی ماسکینگام با بهینهسازی چند تابع هدف متفاوت با استفاده از الگوریتم وراثتی و مقایسه نتایج حاصل از آنها، تاثیرات تابع هدف در پیش بینی مقادیر فراسنجهای ماسکینگام و بده‌ی خروجی محاسباتی بررسی گردیده است. با توجه به آب‌نگارهای بده‌ی خروجی محاسبه شده در مقایسه با آب‌نگارهای بده‌ی خروجی مشاهداتی میتوان اذعان داشت که به کارگیری توابع هدف متفاوت و در شبیه ماسگینگام خطی منجر به تغییر نتایج و افزایش دقت محاسبات میگردد در حالیکه تغییرات ناشی از استفاده توابع هدف متفاوت در نتایج شبیه ماسگینگام غیرخطی چشمگیر نمیباشد.
Prediction and control flood is essential in water resource management. Studying and analysis on this problem is done using flood routing methods in hydraulic science. The Muskingum model is one of the best methods in the hydrologic flood routing rivers. In order to estimate of the Muskingum parameters have been used experiential methods as trial and error method, least squares. Genetic algorithm is one of the estimation methods of the parameters. Comparison between experiential methods results and genetic algorithm show that Genetic algorithm method is benefit and easy method for estimated the Muskingum parameters. The determining of objective function is most important in this method (GA). In this paper, different objective functions have been selected for linear and non-linear Muskingum models and are optimized using genetic algorithm then the effects of objective function are investigated on prediction of Muskingum parameters and computational output discharge. Comparison between computational hydrograph of output discharge and experimental result show that the effects of objective function on result prediction predominate in the linear Muskingum model whereas these are virtually negligible in non-linear Muskingum model.