کاربست مقایسه‌ای الگوریتم جستجوی موجودات همزیست با الگوریتم‌های فراکاوشی در مدل روندیابی سیلاب

آب و خاک

مقاله 9، دوره 34، شماره 2 - شماره پیاپی 70، خرداد 1399، صفحه 365-378   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.v34i2.85190

نویسندگان

سعید خلیفه؛ سیدعلیرضا اسماعیلی؛ کاظم اسماعیلی^* ؛ سعید رضا خداشناس

دانشگاه فردوسی مشهد

چکیده

روندیابی سیلاب یکی از الزامات مهم در مطالعات مهندسی رودخانه محسوب می­شود. روندیابی هیدرولوژیکی در رودخانه­های شریانی و رودخانه‌های فاقد آمار حوضه میانی متداول است. به این منظور نیاز به تهیه مقاطع عرضی و تعیین شیب­ها در کلیه بازه­های رودخانه می­باشد. روش ماسکینگام می تواند با استفاده از آن ضمن صرفه­جویی در زمان و هزینه، اطلاعات مربوط به عمق و دبی جریان سیلابی را در هر زمان مشخص نماید. کاربست روش­های فراکاوشی نتایج رضایت بخشی را در این زمینه تاکنون نشان داده است. از این رو در این پژوهش، به ارزیابی کارایی الگوریتم جستجوی موجودات همزیست (SOS) در تخمین پارامترهای بهینه مدل غیرخطی ماسکینگام پرداخته شد. به­منظور بررسی میزان مطلوبیت یافته­های پژوهش، نتایج حاصل از الگوریتم موجودات همزیست (SOS)، با نتایج سایر روش های فراکاوشی شامل الگوریتم وراثتی (GA)، الگوریتم ازدحام ذرات (PSO)، الگوریتم رقابت استعماری (ICA) مقایسه گردید. در الگوریتم پیشنهادی، روش تابع جریمه غیرمستقیم در مدل برای جلوگیری از منفی شدن خروجی و ذخیره اعمال شده است. الگوریتم مذکور بهینه سراسری یا نزدیک سراسری را بدون در نظر گرفتن مقادیر اولیه پارامترها با همگرایی سریع پیدا می‌کند. نتایج الگوریتم SOS برای دو رودخانه ویلسون و کارده نشان دهنده کمینه‌سازی مجموع مربعات باقیمانده‌ها (SSQ) می­باشد که برای رودخانه ویلسون با MSE (85/5) و SSQ (78/128) و رودخانه کارده با MSE (505/0) و SSQ (552/4) می باشد و مانند الگوریتم‌های PSO و ICA عملکرد بهتری نسبت به الگوریتم‌ GA داشته است در نتیجه الگوریتم پیشنهادی می‌تواند با اطمینان خوبی به­منظور برآورد مقادیر بهینه پارامترهای مدل ماسکینگام غیر خطی مورد استفاده قرار گیرد.

کلیدواژه‌ها

بهینه؛ تابع جریمه مستقیم؛ رودخانه شریانی؛ روندیابی هیدرولوژیکی؛ مدل غیرخطی ماسکینگام

مراجع

1- Akbari G., and Barati R., and Fadafan M. 2010. Present of a New Algorithm for Parameter Estimation of Nonlinear Muskingum Model. 9th Iranian Hydraulic Conference, Iranian Hydraulic Society, 9-11 Nov. 2010- Iranian Hydraulic Society. Tarbiat Modarres University, Tehran, Iran. (In persian with English abstract)

2- Akbarifard S., Madadi M.R., and Aliannejad M. 2017. Parameters Estimation of the Nonlinear Muskingum Flood-Routing Model Using Wolf Search Algorithm (WSA) (Case Study: Kardeh River). Irrigation and Drainage Structures Engineering Research 17(67): 95-112. (In Persian with English abstract)

3- Bazargan J., and Norouzi H. 2018. Investigation the effect of using variable values for the parameters of the linear Muskingum method using the particle swarm algorithm (PSO). Water Resources Management 32(14): 4763-4777. (In persian with English abstract)

4- Chen J., and Yang X. 2007. Optimal parameter estimation for Muskingum model based on Gray-encoded accelerating genetic algorithm. Communications in Nonlinear Science and Numerical Simulation 12(5): 849-858.

5- Cheng M.Y., and Prayogo D. 2014. Symbiotic Organisms Search: A new metaheuristic optimization algorithm.Computers & Structures 139: 98-112.

6- Choudhury P., Shrivastava R.K., and Narulkar S.M. 2002. Flood Routing in River Networks Using Equivalent Muskingum Inflow. Journal of Hydrologic Engineering 7(6): 413-419.

7- Chow V.T. 2009. Open Channel Hydraulic.The Blackburn Press.

8- Chu H.J., and Chang L.C. 2009. Applying Particle Swarm Optimization to Parameter Estimation of the Nonlinear Muskingum Model. Journal of Hydrologic Engineering 14(9): 1024-1027.

9- Das A. 2004. Parameter Estimation for Muskingum Models. Journal of Irrigation and Drainage Engineering 130(2): 140-147.

10- Ehteram M., Binti Othman F., Mundher Yaseen Z., Abdulmohsin Afan H., Falah Allawi M., Najah Ahmed Al., Shahid Sh., P.Singh V., and El-Shafie A. 2018. Improving the Muskingum flood routing method using a hybrid of particle swarm optimization and bat algorithm.Water 10(6): 807.

11- Farzin S., Singh V., Karami H., Farahani N., Ehteram M., Kisi O., Allawi M-F., Mohd N-S., and El-Shafie A. 2018. Flood routing in river reaches using a three-parameter Muskingum model coupled with an improved bat algorithm.Water 10(9): 1130.

12- Ghaleni M., Bozorg Hadad O., and Ebrahimi K. 2010. Parameter Estimation of the Nonlinear Muskingum Model Using Simulated Annealing. Journal of Water and Soil 24(5): 908-919. (In Persian)

13- Gill M.A. 1978. Flood routing by the Muskingum method.Journal of hydrology 36(3-4):353-363.

14- Hamedi F., Bozorg Hadad O., and Vatan khah A. 2014. Improve nonlinear Muskingum model by a new combinatorial storage equation. 5th National Conference on Water Resources Management 29-1 Feb 2014,.Shahid Beheshti University-Iranian Association of Water Resources Science and Engineering.Tehran - Iran. (In persian with English abstract)

15- Karahan H., Gurarslan G., and Geem Z.W. 2013. Parameter Estimation of the Nonlinear Muskingum Flood Routing Model Using a Hybrid Harmony Search Algorithm. Journal of Hydrologic Engineering 18(3): 352-360.

16- Khalifeh S., Esmaili K., Khodashenas S., and Akbarifard S. 2020. Data on Optimization of the Non-linear Muskingum Flood Routing in Kardeh River Using GOA Algorithm. Journal of Data in Brief. Volume 30, https://doi.org/10.1016/j.dib.2020.105398.

17- Kim J.H., Geem Z.W., and Kim E.S. 2001. Parameter estimation of the nonlinear muskingum model using harmony search 1. JAWRA Journal of the American Water Resources Association 37(5): 1131-1138.

18- Mohan S. 1997. Parameter Estimation of Nonlinear Muskingum Models Using Genetic Algorithm. Journal of Hydraulic Engineering 123(2): 137-142.

19- Perumal M.E., and Raju K.G.R. 2001. Field Applications of a Variable-Parameter Muskingum Method. Journal of Hydrologic Engineering 6(3): 196-207.

20- Perumal M., and Raju K.G.R. 1998. Variable-Parameter Stage-Hydrograph Routing Method. II: Evaluation. Journal of Hydrologic Engineering 3(2): 115-121.

21- Saghi H., Delbari A. 2013. Investigation performance linear and nonlinear models for routing focus Muskingum flood. 15th Fluid Dynamic, Iranian Physics Society.17-19 Dec. 2013. Bandar Abbas. Iran. (In Persian with English abstract)

22- Samani H.M., and Shamsipour G. 2004. Hydrologic flood routing in branched river systems via nonlinear optimization. Journal of Hydraulic Research 42(1): 55-59.

23- Singh V.P., and Scarlatos P.D. 1987. Analysis of nonlinear Muskingum flood routing. Journal of Hydraulic Engineering 113(1): 61-79.

24- Tung Y.K. 1985. River flood routing by nonlinear Muskingum method. Journal of Hydraulic Engineering 111(12): 1447-1460.

25- Wilson E.M. 1974. Engineering hydrology, MacMillan Education, Hampshire, United Kingdom.

26- Khalife S., Barani Gh., Khalifeh V., and Zonnemat Kermani M. 2019. Optimization of water distribution Systems using genetic algorithms in WaterGems model (Case study: part of Rooydar). Journal of Ferdowsi Civil Engineering 32(3): 111-124. (In Persian with English abstract)