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

با استفاده از مدل‎های هیدرولوژیکی، فرایند بارش-رواناب شبیه سازی می شود. 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.

برآورد دقیق پارامترهای CN، Ia و Lt در حوضه آبخیز مهابادچای (که فاقد آمار پارامترهای هیدرولوژیکی است) با استفاده از الگوریتم‏های بهینه‏ سازی (Particle Swarm Optimization) PSO و (Simulated Annealing) SA، هدف اصلی این تحقیق است. در هر تکرار، بهینه ‎ساز مقادیر پارامترهای هیدرولوژیکی حوضه را برآورد می‏کند که به عنوان ورودی های HEC-HMS استفاده می شوند. در ادامه مدل HEC-HMS، رواناب حوضه را شبیه‏ سازی (دبی محاسباتی) می‏کند. در مرحله بعد دبی محاسباتی با دبی مشاهداتی مقایسه شده و بهینه ‏ساز 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 بهینه‏ سازی به صورت خودکار انجام می‏شود. برای این منظور، از داده های ساعتی بارش-رواناب (دبی مشاهداتی) پنج رخداد مربوط به سال 1387 در حوضه آبخیر مهابادچای استفاده شد.

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.

با توجه به نتایج تحقیق حاضر می توان نتیجه گرفت که با لینک مدل های بهینه سازی و مدل های هیدرولوژیکی می توان نسبت به براورد دقیق پارامترهای هیدرولوژیکی در حوضه های فاقد آمار اقدام نمود و نتایج با دقت خوبی بدست آورد.