بهینه سازی پارامترهای غیرخطی مدل ماسکینگام NL5با الگوریتم SHO

در این پژوهش، الگوریتم کفتار خالدار (SHO) به عنوان الگوریتمی مبتنی بر رفتار کفتارهای نوع خالدار برای اولین بار در بهینه‏سازی پارامترهای مدل غیرخطی ماسکینگام برای روندیابی سیلاب استفاده شده است. برای بررسی کارایی این الگوریتم، در مدل های ماسکینگام غیرخطی NL3 و مدل توسعه یافته NL5، مطالعه موردی سیل ویلسون برای صحت سنجی و هم چنین یک سیل تاریخی از منطقه کارده به عنوان مطالعه موردی به منظور روندیابی سیلاب و محاسبه پارامترهای مدل ماسکینگام انتخاب شد. برای ارزیابی مقدار خطای آماری بین دبی‏های روندیابی شده و مشاهداتی از شاخص های آماری SSQ و MSE به عنوان تابع هدف استفاده شده است. براساس نتایج به ‏دست‏ آمده از روندیابی سیل ویلسون با استفاده از الگوریتم SHO، برای مدل NL3 مقادیر توابع هدف به ترتیب برابر 778/128و 852/5 مترمکعب بر ثانیه و برای  مدل NL5 مقادیر توابع هدف به ترتیب 776/21و262/0 است. نتایج روندیابی مطالعه موردی، سیل کارده با الگوریتم مذکور نیز نشان داد مجموع مربعات انحرافات روندیابی شده برای مدل NL3 به ترتیب برابر 552/4 و برای مدل  NL5 برابر 261/1 می باشد. 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 شاخص های آماری بیان کننده برتری مدل NL5 نسبت به مدل NL3 و برتری الگوریتم SHO نسبت به الگوریتم های مقایسه شده دیگر برای محاسبه 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 مسایل روندیابی سیلاب اشاره داشت.