بهینهسازی ضرایب منطقه‌ای فرمول تجربی فولر با برنامه ریزی خطی و الگوریتم ژنتیک در حوزه‌های فاقد آمار به کمک داده‌های مکانی
محورهای موضوعی : کاربرد GIS&RS در برنامه ریزی
ابراهیم یوسفی مبرهن
1
,
ابراهیم کریمی سنگچینی
2
,
بهروز ارسطو
3
,
سید علی اصغر هاشمی
4
1 - مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان سمنان
2 - عضو هیئت علمی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان
3 - محقق مرکز تحقیقات کشاورزی و منابع طبیعی ااستان سمنان
4 - عضو هیئت علمی مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان سمنان
کلید واژه: الگوریتم ژنتیک (GA), برنامه‌ریزی خطی (LP), فرمول تجربی فولر, ضرایب منطقه‌ای,
چکیده مقاله :
برای محاسبه دبی اوج سیلاب در حوضه‌های فاقد آمار یکی از روش‌های مورد استفاده، روش‌های تجربی است. از روش-های تجربی که در این تحقیق استفاده شده است، روش فولر بوده که محاسن آن نسبت به سایر روش‌های تجربی ارائه دوره‌های مختلف سیلاب می‌باشد. در این تحقیق، مقایسه تکنیک‌های بهینهسازی برنامه‌ریزی خطی و الگوریتم ژنتیک در بهینهسازی ضرایب فرمول تجربی فولر بترتیب در محیط برنامه‌نویسی اکسل و متلب برای حوضه‌های منتخب منطقه هدف قرار داده شده است. بدین منظور آمار دبی حداکثر 24 ساعته 9 ایستگاه موجود در استان آذربایجان غربی با طول دوره آماری 21 سال مورد بررسی قرار گرفت. مقایسه نتایج برتری روش الگوریتم ژنتیک و سپس برنامه‌ریزی خطی را نشان داد. همچنین نتایج نشان می‌دهد که استفاده از روش‌های جستجوی هوشمند عملکرد روش‌های مرسوم را به میزان قابل توجهی بهبود می‌بخشد.
One of the methods used for calculating flood peak discharge in non-statistical watersheds is experimental methods. One of the empirical methods used in this study is the Fuller method which has advantages over other empirical methods for different flood periods. In this research, we have compared the linear programming optimization techniques and genetic algorithm in optimizing the fuller experimental formula coefficients in Excel and MATLAB respectively for selected watersheds of the region. For this purpose, the statistics of maximum 24-hour discharge of 9 stations in West Azarbaijan province with a statistical period of 21 years were studied. Comparison of the results showed the superiority of the genetic algorithm method and then linear programming. The results also show that the use of smart search methods improves the performance of conventional methods significantly. For this purpose, the statistics of maximum 24-hour discharge of 9 stations in West Azarbaijan province with a statistical period of 21 years were studied. Comparison of the results showed the superiority of the genetic algorithm method and then linear programming. The results also show that the use of smart search methods improves the performance of conventional methods significantly. For this purpose, the statistics of maximum 24-hour discharge of 9 stations in West Azarbaijan province with a statistical period of 21 years were studied. Comparison of the results showed the superiority of the genetic algorithm method and then linear programming. The results also show that the use of smart search methods improves the performance of conventional methods significantly.
_||_
