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

الموضوعات :

کاظم شاهوردی ¹ (استادیار علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران)
هیراد عبقری ² (دانشیار مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران)
اکبر فرضی بلاغی ³ (دانش‌آموخته کارشناسی ارشد رشته مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران)

تاريخ الإرسال : 08 الثلاثاء , ربيع الأول, 1441 تاريخ التأكيد : 24 الأربعاء , محرم, 1443 تاريخ الإصدار : 27 الأحد , ربيع الأول, 1444

الکلمات المفتاحية: HEC-HMS, PSO, حوضه مهابادچای, SA, AutoIt,

ملخص المقالة :

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.

المصادر:

1.       Ebrahimiyan, S. and Ghaderi, J. (2014). Evaluation and Calibration of the HEC-HMS/WMS model in Mahabad dam’s basin. Irrigation and Water Engineering, 4(4), 70-80.

2.       Garmei, R. 2015. Comparing PSO Algorithm Automatic Calibration and Nelder&Mead Algorithm on the HEC-HMS Hydrologic Model (Case Study: Kardeh Watershed). Journal of Water and Soil Conservation, 22(5), 247-260. [In Persian].

3.       Gupta, H.V., S. Sorooshian and P. O. Yapo. 1999. Status of Automatic Calibration for Hydrologic Models, comparison with multi-level expert calibration. Hydrologic Engineering, 4(2): 135-143.

4.       Kamali, B., and Mousavi, S. J. 2012. Automatic Calibration of Hydrologic Event-Based Model Using PSO Meta-Heuristic Algorithm. Amirkabir Journal of Civil Engineering, 44(1), 77-88. [In Persian].

5.       Razi, M. 2016. Identification of 1190 illegal wells in Hamadan and Bahar plain were identified. Khabaronline News Agency, available at: www.khabaronline.ir. Accessed on 25 August 2020. [In Persian].

6.       Kennedy, J. 1998. The behavior of particles, Porto, V. W., Saravanan, N., Waagen, D., and Eiben, A. E. (eds.), In: Evolutionary Programming VII, Springer, 581-590.

7.       Mohamad Reza Pour, O., Haghighatjou, P., and zeynali, M. 2016. Compression of Genetic Algorithm and Particle Swarm Algorithm models for Optimizing Coefficients of Sediment Rating Curve in estimation of Suspended Sediment in Sistan River; Case Study Kohak station.. Irrigation and Water Engineering, 6(2), 76-89.

8.       Shahverdi, K., and M.V.Samani, J. 2010. Automated Simulation of Basin Characteristics Using HEC-HMS, Genetic Algorithm, and AutoIt on Observed Hydrograph Properties. Iran-Water Resources Research, 6(3), 96-99. [In Persian].