بهینه سازی پارامترهای مدل غیرخطی ماسکینگام با استفاده از الگوریتم بهینه سازی نورد شبیه سازی شده

اگرچه کاربرد مدل ماسکینگام به دلیل مشکل بودن تخمین پارامترها هنوز با دشواری روبروست، اما این مدل به طور گسترده ای برای روندیابی سیل در هیدرولوژی بکار می رود. در تحقیق حاضر الگوریتم نورد شبیه سازی شده که الگوریتمی کارا در بهینه سازی است برای تخمین و بهینه سازی سه پارامتر مدل غیرخطی ماسکینگام استفاده شد. نتایج بدست آمده نشانگر دقت بالای این الگوریتم در تخمین این پارامترها بود، بطوریکه در مثال اول مجموع مربعات خطا (SSQ) برابر 78/36، مجموع قدر مطلق خطاها (SAD) برابر 44/23، دبی پیک واقعی 85 مترمکعب بر ثانیه بود و دبی پیک روندیابی شده 90/85 بدست آمد که، تفاوت این دو (DPO) برابر یک درصد خطا و تفاوت گام زمانی وقوع دبی پیک واقعی و روندیابی شده (DPOT) صفر بدست آمد. در مثال موردی دوم الگوریتم SA (Simulated Annealing) در مورد سیلاب رودخانه کارون آزمایش و نتایج آن با روش GA (Genetic Algorithm) مقایسه شد. نتایج نشان داد که الگوریتم SA تخمین بهتری نسبت به روش GA دارد. بطوریکه مجموع مربعات خطا (SSQ) برابر 06/4947، مجموع قدر مطلق خطاها (SAD) برابر 8/412، دبی پیک واقعی 1182 مترمکعب بر ثانیه بود و دبی پیک روندیابی شده 1191 بدست آمد که، تفاوت این دو (DPO) برابر کمتر از یک درصد خطا و تفاوت گام زمانی وقوع دبی پیک واقعی و روندیابی شده (DPOT) صفر بدست آمد. در نهایت این تحقیق قابلیت الگوریتم SA را در زمینه بهینه سازی پارامترهای مدل ماسکینگام نشان داد.