واسنجي چند هدفه مدل هيدرولوژيكي مفهومي مبتني بر هيدروگراف واحد لحظه اي ژئومورفلوژيكي (مطالعه موردي: زير حوضه قره سو)

The multi-objective calibration of the conceptual hydrological model based on instantaneous unit hydrograph (The Case study: Gharesoo basin)

سابقه و هدف: يكي از راه‌هاي پيش‌بيني و برآورد مقدار رواناب حاصل از بارش نزولات جوي استفاده از مدل‌هاي هيدرولوژيكي است. واسنجي پارامترهاي مؤثر در مدل‌هاي هيدرولوژيكي يكي از گام‌هاي اساسي در استفاده از اين مدل‌ها مي‌باشد. در اين ميان بهينه‌سازي چند هدفه يكي از موضوعات مهم و كاربردي مي‌باشد. هدف اين‌گونه بهينه‌سازي‌ها تعيين مقادير پارامترهاي مدل براي يافتن بهترين راه‌حل ممكن و دستيابي به اهداف مختلف است. مواد و روش‌ها: در اين پژوهش مدل بارش – رواناب مفهومي MILC توسط الگوريتم چند هدفه AMALGAM، مورد واسنجي خودكار قرار گرفت. اين مدل از مفهوم مدل رواناب سطحي SCS براي محاسبه بارش مازاد و از مفهوم هيدرو گراف واحد لحظه‌اي ژئومورفولوژيكي نيز براي روند يابي اين بارش مازاد در سطح حوضه استفاده مي‌كند. در اين مطالعه براي واسنجي و همچنين ارزيابي مدل از 4 تابع هدف ناش – ساتكليف (NSE) براي جريان‌هاي اوج، TRMSE براي جريان‌هاي كم، ROCE براي جريان متوسط و SFDCE براي شيب‌خط تداوم جريان استفاده شد. فرايند واسنجي توسط 4 تابع هدف مذكور صورت گرفت و خروجي‌هاي مدل كه همان نقاط بهينه پارتو هستند موردبررسي قرار گرفتند و درنهايت از هر خروجي يك نقطه به‌عنوان نقطه بهينه ميانگين انتخاب شد. در انتها اين نقاط كه شامل پارامترهاي واسنجي شده مدل هستند در دوره صحت سنجي جهت مقايسه با مقادير مشاهداتي مورداستفاده قرار گرفتند. نتايج: مقادير به‌دست‌آمده در دوره‌ي صحت سنجي اعدادي بين 71/0 و 78/0 براي تابع NSE را نشان مي‌دهد كه با توجه به مقدار بهينه اين توابع (=+1 NSE)، نتايج گوياي عملكرد مناسب مدل در شبيه‌سازي جريان‌هاي اوج است. همچنين مقادير به‌دست‌آمده براي توابع ROCE و به‌خصوص SFDCE كه در دوره صحت‌سنجي اعدادي بين 72 و 129 به دست آمد؛(SFDCE=0 در حالت بهينه) حاكي از ضعف مدل MILC در شبيه‌سازي جريان‌هاي ميانه است. نتيجه‌گيري: مقادير به‌دست‌آمده براي تابع هدف TRMSE در دوره‌ صحت‌سنجي اعدادي بين 48/1 - 22/1 بود (TRMSE=0 در حالت بهينه) كه اين ارقام گوياي شبيه‌سازي مناسب دبي‌هاي كم مي‌باشد. بهره‌گيري از الگوريتم بهينه‌سازي چندهدفه براي فرايند واسنجي خودكار مدل بارش – رواناب به دليل استفاده از چند تابع هدف گوناگون كه هركدام قسمتي از هيدرو گراف حوضه را مورد هدف قرار مي‌دهند، باعث به چالش كشيدن مدل در شبيه‌سازي تمامي جريان‌هاي موجود در حوضه مي‌شود كه اين موضوع اهميت استفاده از الگوريتم‌هاي چندهدفه در واسنجي مدل‌هاي هيدرولوژيكي را نشان مي‌دهد. همچنين انتخاب هوشمندانه چند تابع هدف در فرايند واسنجي مدل، نقش كليدي در شناخت هرچه بيشتر مدل دارد كه اين امر با بهره‌گيري از الگوريتم‌هاي چندهدفه به‌جاي تك هدفه براي فرايند واسنجي ميسر مي‌گردد

Background and Objectives: One of the ways to predict and estimate the amount of runoff from rainfall is the use of hydrological models. Calibration of effective parameters in hydrological models is one of the basic steps in using these models. However, this process is a critical step which should be carried out carefully to optimize the model parameters. Multi-objective optimization algorithms as one of the most important and practical topics in various fields of study could be employed to achieve a reasonable calibration. The purpose of these algorithms is to determine the values of model parameters to find the best possible solution and achieve different goals. Materials and Methods: In this study، Multi-objective optimization algorithm (AMALGAM) used to calibrate conceptual daily hydrologic model (MILC). AMALGAM method combines two new concepts and takes place in two modes of evolution. In the first case, the evolutionary capabilities of four multi-objective algorithms NSGA-II, PSO, DE and AMS are used simultaneously to evolve the population, and in the latter case, the AMALGAM algorithm itself is used to evolve the population. This algorithm is called a multi-objective hybrid algorithm due to the simultaneous use of multiple multithreading algorithms. The reason for choosing the AMALGAM algorithm is the superiority of this algorithm in achieving a fast and accurate access to the sum total of Pareto's optimal responses to other multi-objective algorithms such as MOPSO, SPEA2 and NSGA-II. MILC model employs the Soil Conservation Service—Curve Number method for abstraction (SCS-CN) for estimation of losses، the geomorphological Instantaneous Unit Hydrograph (GIUH) for routing of rainfall excess of catchment. This paper applies a four-objective calibration strategy focusing on peak flows (NSE)، low flows (TRMSE)، water balance (ROCE)، and flashiness (SFDCE) to parameter estimation of MILC model. After calibration process، a trade-off point extracted from Pareto- front was selected to include the appropriate values of all four objectives simultaneously. This point is applied to verify the validation period.