الگوريتم بهينه‌سازي جهش قورباغه در تخمين ضرايب مدل رونديابي سيلاب

Optimization of shuffled frog leaping algorithm in parameters estimation of routing flood model

مدل ماسكينگام از جمله روش‌هاي رونديابي هيدرولوژيك است كه دقت در تخمين پارامترهاي آن بر هيدروگراف رونديابي شده، به خصوص بر حداكثر مقدار سيلاب، تاثيرگذار است. الگوريتم‌هاي فراكاوشي گزينه‌هاي مناسبي براي تعيين پارامترهاي بهينه يا نزديك به بهينه در مدل ماسكينگام هستند. در اين مقاله، الگوريتم بهينه‌سازي جهش قورباغه در دو مورد مطالعاتي آزمايشي و واقعي به كار رفته و مجموع مربعات و قدر مطلق انحرافات دبي رونديابي شده مشاهداتي و محاسباتي به عنوان تابع هدف و ميزان انحراف دبي اوج مشاهداتي و محاسباتي به عنوان پارامتر مهم دخيل در هيدروگراف رونديابي شده سيلاب در نظر گرفته شده است. نتايج حاكي از آن است كه استفاده از الگوريتم‌ بهينه‌سازي جهش قورباغه به ‌ترتيب سبب كاهش 03/0 و 40/0 درصدي در مجموع مربعات و قدر مطلق انحرافات دبي رونديابي شده مشاهداتي و محاسباتي نسبت به بهترين مقادير موجود در مورد مطالعاتي آزمايشي و 67/3 و 27/0 درصدي در مورد مطالعاتي واقعي شده است. همچنين الگوريتم‌ بهينه‌سازي جهش قورباغه مقدار ميزان انحراف دبي اوج مشاهداتي و محاسباتي محاسبه شده را به ترتيب در مورد مطالعاتي آزمايشي و واقعي به ترتيب 67/3 و 65/17 درصد نسبت به بهترين (كمترين) جواب گزارش شده بهبود داده است.

The Muskingum model is a hydrologic flood routing method in which the accuracy of its parameter estimation affects the routed hydrograph, especially in the value of the peak flow flood. Meta-heuristic algorithms are good candidates to determine optimal/near-optimal parameters in the Muskingum model. In this paper, shuffled frog leaping algorithm (SFLA) was applied and compared in two benchmark and real case studies.The sum of the squared deviation (SSQ) between observed and routed outflows and the sum of the absolute value of deviation (SAD) between observed and routed outflow as the objective functions (DPO) as an important parameter on the routed flood hydrograph. Results show were considered that the SFLA improves (decreases) the SSQ and SAD by 0.03 and 0.40 percent in the benchmark problem, and by 0.27 and 3.67 percent in the real case study, respectively, compared to reported results using various optimization algorithms. In addition, the SFLA improves (decreases) the DPO of the routed hydrograph in the benchmark and real problem by 17.65 and 3.67 percent compared to the best (minimum) reported result.