تخمین پارامترهای بهینه مدل روندیابی ماسکینگام غیرخطی با استفاده از الگوریتم رقابت استعماری (ICA)

مدل غیرخطی ماسکینگام روشی کارا در روندیابی سیلاب است، اما کارایی این روش تحت تاثیر سه پارامتر به کار رفته در آن است. در سال های اخیر، نتایج رضایت بخشی از استفاده الگوریتم های فراکاوشی در تعیین مقدار مناسب پارامترهای این مدل گزارش شده است. از این رو در این پژوهش به ارزیابی کارایی الگوریتم رقابت استعماری (ICA) در تخمین پارامترهای بهینه مدل غیرخطی ماسکینگام پرداخته شد. علاوه بر ICA، الگوریتم ژنتیک (GA) و بهینه سازی مجموعه ذرات(PSO)  نیز با هدف در دست بودن معیار برای قضاوت در مورد عملکرد ICA مورد استفاده قرار گرفتند. بدین منظور ابتدا ICA در روندیابی سیل ویلسون به کار گرفته شد؛ پس از آن روندیابی دو واقعه سیلاب مربوط به رودخانه دوآب صمصامی مورد بررسی قرار گرفت. در مورد سیل ویلسون که تابع هدف به صورت مجموع مربعات انحرافات (SSQ) دبی مشاهداتی و محاسباتی در نظر گرفته شد؛ مقدار تابع هدف حاصل از ICA، برابر ۷۷/۳۶ و مقدار تابع هدف حاصل از GA و PSO به ترتیب برابر ۲۳/۳۸ و ۸۹/۳۶ به دست آمد. در روندیابی دو سیل دیگر علاوه بر SSQ، تابع هدف دیگری به صورت مجموع قدر مطلق انحرافات (SAD) دبی مشاهداتی و محاسباتی نیز در نظر گرفته شد. در سیلاب اول براساس SSQ، GA بهترین عملکرد را از خود نشان داد ولی براساس SAD، ICA در رتبه نخست قرار گرفت. در مورد سیلاب دوم بر مبنای هر دو تابع هدف، ICA عملکرد بهتری داشته است. در این رابطه ICA نسبت به GA در تابع هدف SSQ، ۹ درصد و در تابع هدف SAD، ۰۸/۰ درصد بهتر بوده است و نسبت به PSO، تابع هدف SSQ و SAD را به ترتیب ۱/۰ و ۱۶/۰ درصد بهبود داده است. با توجه به نتایج حاصل می توان گفت که الگوریتم ICA می تواند به عنوان یک روش مناسب به منظور تخمین پارامترهای مدل غیرخطی ماسکینگام مورد استفاده قرار گیرد.

کلیدواژه ها:

DoAab Samsami River ، Genetic Algorithm ، Imperialist Competition Algorithm ، Meta-Exploratory Algorithms ، Particle Swarm Optimization ، Wilson Flood. ، الگوریتم رقابت استعماری ، الگوریتم ژنتیک ، بهینه سازی مجموعه ذرات ، سیل ویلسون ، رودخانه دوآب صمصامی