مقايسه كارايي الگوريتم DDS با الگوريتم ژنتيك و تكامل تصادفي جوامع در بهينه سازي پارامترهاي مدل هيدرولوژيكي يكپارچه HyMod

Comparison the efficiency of DDS algorithm to Genetic algorithm and Shuffled Complex Evolution in calibration lumped hydrological model HyMod

در دهه هاي اخير مدل هاي هيدرولوژيكي كاربرد گسترده اي در شبيه سازي فرايند بارش رواناب يافته اند. اين مدل ها داراي مقادير پارامترهاي ثابت هستند كه نياز است با روش مناسب، مقادير آن ها بهينه شوند. در واقع، كارايي مدل هاي هيدرولوژيك علاوه بر ساختار آن ها به مقادير بهينه پارامترهاي آن ها بستگي دارند. در اين پژوهش، به بررسي كارايي سه روش بهينه سازي اتوماتيك شامل الگوريتم تكامل تصادفي جوامع، DDS و الگوريتم ژنتيك در بهينه سازي پارامترهاي مدل يكپارچه HyMod در حوضه قورچاي راميان پرداخته شد. براي هر سه الگوريتم، سرعت رسيدن به هم گرايي و ميزان تغييرات مقادير بهينه شده مورد بررسي قرار گرفت. الگوريتم ژنتيك در تعداد اجراي كمتري به هم گرايي رسيد و پس از آن، الگوريتم DDS در مرتبه بعدي قرار داشت. از نظر زمان اجرا به ازاي هر تكرار، كمترين زمان مربوط به روش تكامل تصادفي جوامع و بيشترين زمان مربوط به روش الگوريتم ژنتيك بود. بيشترين نوسانات در جواب هاي بهينه شده مربوط به الگوريتم DDS و كمترين نيز مربوط به الگوريتم تكامل تصادفي جوامع بود كه از اين نظر، بهينه سازي با استفاده از روش تكامل تصادفي جوامع از ثبات بيشتري برخودار بود. با استفاده از تحليل واريانس و مقايسه ميانگين ها مشاهده شد، در روش تكامل تصادفي جوامع با افزايش تعداد جوامع تا 12 جمعيت عملكرد مدل بهتر شد كه از اين تعداد بيشتر، عملكرد الگوريتم بهبود پيدا نكرد. براي پارامتر alpha با افزايش مقدار آن، عملكرد الگوريتم بدتر شد و بهترين عملكرد الگوريتم مربوط به مقدار برابر با 0.58 بود. بر عكس پارامتر alpha، با افزايش پارامتر beta عملكرد الگوريتم بهتر شد و بهترين عملكرد در مقدار beta برابر با يك به دست آمد. براي الگوريتم ژنتيك مقادير بهينه تعداد كروموزوم ها، نرخ تزويج و نرخ جهش به ترتيب برابر با 16، 0.2 و 0.3 به دست آمد.

During last decades hydrological models were extesively used in rainfall-runoff modeling. These models contain some constant parameters that must be optimized through appropraite mthods. In addation to model structur, the efficieny of hydrological models depend on these optimized parameters. In this study, the efficiency of three automatic optimizing algorithms including Dynamically Dimensioned Search (DDS), Shuffled Complex Evolution and Genetic algorithms in calibration lumped hydrological model HyMod in Ghorchay Ramian Catchment were investigated. For these mehods, convergence speed and variability of final optimized values were investigated. Results showed that Genetic algorithm converged faster than two other methods. Following, DDS algorithm converged faster than Shuffled Complex Evolution algorithm. Shuffled Complex Evolution and Genetic algorithms took shorter and longer time per each epock, respectively. Highest and the least variability of final results were obtained for DDS and Shuffled Complex Evolution algorithms, respectively. With respect to final results variability, Shuffled Complex Evolution algorithm was more satable and had better performance than other methods. Using analyse variance and comper means in Shuffled Complex Evolution algorithms for complexes less than 12, the model performance was increased as the number of complexe increased. As alpha value increased, the model performance decreased and model had the best performance at the value of 0.58. Conversely, model performance was increase as beta values increasd and the best perfromnce was obtained for beta equal to 1. For Genetic algorithm, the best performance was obtained when the value of values crossover, mutation and chromosome number was equal to 0.2 and 0.3 and 16, respectively.