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.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.