بهبود عملكرد يك مدل هيدرولوژي ساده با استفاده از الگوريتم هاي بهينه سازي چند هدفه و داده هاي گراني سنجي ماهواره اي

Using Satellite Gravimetric Data for Optimizing the Performance of a Simple Hydrological Model via Multi-Objective Evolutionary Algorithms

امروزه استفاده از مدل­هاي هيدرولوژي، عمدتاً براي شبيه سازي تغييرات منبع آب و سيلان (شامل رواناب و تبخير) ضروري به نظر مي­رسد. مدلسازي خوب فرآيندهاي هيدرولوژيكي با استفاده از مدل­هاي هيدرولوژي نيازمند تعيين پارامترهاي مدل مي­باشد. در فرآيند واسنجي (كاليبراسيون) مقادير پارامترهاي مدل طوري برآورد مي­شوند كه مدل به خوبي بتواند سيستم طبيعي را شبيه سازي نمايد. موفقيت مدل­هاي موجود در شبيه سازي واقعيت به پيچيدگي و تعداد پارامترهاي آن بستگي ندارد. ساختار مدل، تشخيص پارامترهاي تأثيرگذار و نحوه واسنجي مي­تواند تأثير قابل توجهي در بهبود عملكرد شبيه سازي داشته باشد. روش­هاي بهينه سازي از جمله روش­هاي اتوماتيك واسنجي اين مدل­ها مي­باشد. تجربه­هاي عملي واسنجي مدل­هاي هيدرولوژي نشان داده است كه روش­هاي تك هدفه اغلب جهت اندازه­گيري همه ساختارهاي مهم داده­هاي مشاهداتي كافي نيست. در اين تحقيق الگوريتم­هاي بهينه سازي تكاملي چندهدفه NSGA-II، MPSO، PESA-II و SPEA-II جهت واسنجي اتوماتيك يك مدل هيدرولوژيكي ساده (GR4J)، متشكل از 4 پارامتر، براي حوضه دانوب با استفاده از داده­هاي رواناب و ذخيره كلي آب حاصل از داده­هاي روزانه ثقل سنجي ماهواره­اي به كار گرفته مي­شوند. در اين الگوريتم­ها با ماكزيمم كردن ضرايب بهره­وري نش-ساتكليف (NS) مربوط به رواناب و تغييرات ذخيره آب، پارامترهاي مدل برآورد شده و با معيارهاي ارزيابي تعداد جواب آرشيو پرتو (NPS)، فاصله نسلي (GD)، فاصله گذاري (SP) و بيشترين گسترش (MS) عملكرد الگوريتم­ها در فرآيند واسنجي مقايسه مي­شود. تمامي الگوريتم­ها توانسته­اند در پايان الگوريتم تعداد جواب آرشيو پرتو يكساني داشته باشند. با توجه به معيارهاي SP و MS الگوريتم NSGA-II عملكرد بهتري داشته و الگوريتم MPSO با توجه به تمامي معيارها عملكرد بهتري نسبت به روش-هاي PESA-II و SPEA-II و با معيار GD نيز بهتر از الگوريتم NSGA-II ارزيابي شده است. با توجه به نتايج محاسبه ضريب NS، مشخص شد كه مدل در دوره­هاي واسنجي و ارزيابي (اعتبار سنجي) داراي عملكرد قابل قبولي است و استفاده همزمان رواناب و تغييرات ذخيره آب منجر به بهبود عملكرد مدل شده است يعني علاوه بر شبيه­سازي قابل قبول رواناب، شبيه­سازي قابل قبولي از تغييرات ذخيره آب نيز صورت گرفته است

Hydrologic models are useful tools for simulating water resources and flux(contain Runoff and evaporation) variations. Determining hydrological model parameters is primary condition for good simulating of hydrological process. With the estimated values of this parameters via the calibration process, the model can well simulate the natural system. The success of the existing models to simulate reality does not depend on the complexity and number of parameters. The structure of the model, identify influential parameters and calibration method can have a significant impact on improving the model outputs. Optimization methods are from the useful automatic calibration methods. Practical experiences of hydrological models calibration have shown that single objective optimization methods often not enough to measure all important structures of observational data. In this research four different evolutionary multi-objective optimization algorithms are used for calibration and estimating main 4 parameters of GR4J (in French, mod`ele du G´enie Rural `a 4 param`etres au pas de temps Journalier) hydrological model over Danube basin. GR4J is a simple rainfall-runoff model and belongs to the family of hydrological models that focus on the soil moisture compartment. All the four used evolutionary optimization techniques, including the Non-dominated Sorting Genetic Algorithm II (NSGA-II), the Multi-objective Particle Swarm Optimization (MPSO), the Pareto Envelope-Based Selection Algorithm II (PESA-II) and the Strength Pareto Evolutionary Algorithm II (SPEA-II) applied in the mode of two objective function. Both objective functions of these algorithms are regarded base on Nash–Sutcliffe model efficiency coefficient which can be calculated as follow: