تخمین پارامترهای معادله ماسکینگام غیرخطی با الگوریتم جستجوی گرگ (WSA) (مطالعه موردی: رودخانه کارده)

روندیابی سیلاب یکی از پیچیده ترین مسائلی است که در علم هیدرولیک کانال های باز و مهندسی رودخانه بررسی می شود. در میان روش های مختلف روندیابی سیلاب، روش ماسکینگام که پرکاربردترین روش هیدرولوژیکی است، اهمیت زیادی در مطالعات سیلاب رودخانه ها دارد و از دقت بالایی برخوردار است. تخمین صحیح پارامترهای موجود در مدل غیرخطی ماسکینگام همواره مورد توجه محققان بوده و از روش های مختلفی بدین منظور استفاده شده است. در مقاله حاضر، از الگوریتم جدید جستجوی گرگ (WSA) استفاده شده است. برای ارزیابی مقادیر بهینه پارامترهای مدل ماسکینگام، تابع هدف به صورت کمینه سازی مجموع مربعات باقیمانده ها (SSQ) بین حجم خروجی های مشاهداتی و روندیابی شده در نظر گرفته شد. به منظور بررسی میزان مطلوبیت یافته های تحقیق، نتایج حاصل از الگوریتم جستجوی گرگ با نتایج سایر روش های فرا ابتکاری شامل الگوریتم ژنتیک (GA)، الگوریتم گروه ذرات (PSO)، الگوریتم جستجوی هارمونی (HS) و الگوریتم رقابت استعماری (ICA) مقایسه گردید. برای بررسی کارآمدی این الگوریتم ها از شش تابع محک استاندارد با ابعاد متفاوت استفاده شد. همچنین، تحلیل حساسیت روی اندازه جمعیت برای الگوریتم های مورد استفاده صورت پذیرفت. نتایج بررسی ها نشان می دهد که در میان الگوریتم های مذکور، الگوریتم جستجوی گرگ می تواند برآورد مناسب تری از مقادیر بهینه پارامترهای مدل ماسکینگام غیرخطی ارائه دهد به طوری که مقادیر ضریب تبیین و جذر میانگین مربعات خطا برای رودخانه کارده به ترتیب برابر با 778425/0 و 712358/0 به دست آمد.