طرح بهينه هيدروگراف واحد با استفاده از الگوريتم هاي SA و ژنتيك و مقايسه نتايج آنها با يكديگر (مطالعه موردي: حوضه آبريز كامه)

Comparison of optimal design of Unit Hydrograph using Simulated Annealing and Genetic Algorithm (case study: Kameh Watershed)

از مهم ترين قدم هايي كه در تجزيه و تحليل هيدرولوژي و تهيه هيدروگراف هاي طرح برداشته شده است، مفهوم هيدروگراف واحد است. از هيدروگراف واحد براي تعيين سيلاب در رگبارهاي با تداوم و شدت هاي مختلف استفاده مي شود. هدف از اين تحقيق ارايه يك مدل بهينه تهيه هيدروگراف واحد با استفاده از الگوريتم SA، الگوريتم ژنتيك و مقايسه نتايج آن ها با يكديگر مي باشد. براي اين منظور، از توابع توزيع احتمال لوگ نرمال، گاما و معكوس گاوس استفاده شده است. در اين مدل، تابع هدف، حداقل كردن مجموع مربعات اختلاف بين هيدروگراف هاي رواناب سطحي مشاهده شده و پيش بيني شده در واحد سطح حوضه آبريز مي باشد. هيدروگراف رواناب پيش بيني شده، با استفاده از مدل پيشنهادي با كمك توابع توزيع احتمال فوق تخمين زده مي شود. با استفاده از الگوريتم هاي SA، ژنتيك و توابع توزيع احتمال، قيود در مدل بهينه سازي حذف شده و تعداد مجهولات با تعداد پارامترهاي تابع توزيع برابر مي شود. با توجه به اين موارد، مدل پيشنهادي مدل ساده اي مي باشد. نتايج نشان مي دهد كه توزيع هاي لوگ نرمال و معكوس گاوس در محاسبه دبي اوج رواناب عملكرد مناسبي دارند و همچنين مقايسه نتايج بدست آمده از الگوريتم SA و الگوريتم ژنتيك نشان مي دهد كه الگوريتم SA در محاسبه جواب بهينه، عملكرد بهتري داشته و سريع تر به جواب بهينه مي رسد. بنابراين مي توان از اين روش براي تخمين سريع و تقريبي هيدروگراف واحد استفاده و هيدروگراف رواناب را شبيه سازي نمود.

One of the most important steps in analysis of hydrology and produce design hydrographs is Unit Hydrograph. Unit hydrograph is used for determination of flood in storms with different duration and intensity. This paper presents an optimization model of producing unit hydrograph using SA (Simulated Annealing) Algorithm and Genetic Algorithm. Gamma, Log-normal and First passage time probability distributions are used in this study. In this model, the objective function is to minimize the sum of squares of the deviation between predicted and actual direct runoff hydrographs per unit area of the watershed. The predicted direct runoff hydrograph per unit watershed area is estimated using unit hydrograph and probability distribution function. Also there are no constrains in the optimization model using SA and Genetic algorithms and probability distribution functions, and the number of variable to be estimated by optimization is equal to probability distribution parameters. So, the proposed method is a simple method. Results show that Log-normal and First passage time distributions can be used to predict the peak discharge more or less correctly. Also comparison of obtained results from SA Algorithm and Genetic Algorithm show that SA Algorithm has better results in predicting optimal solution. Therefore, this model may be applied for quick and approximate estimation of unit hydrograph and simulation of runoff hydrograph.