مقايسه توابع هدف مختلف در تخمين فراسنج هاي بهينه ماسكينگام خطي و غير خطي

Comparison of different objective function on estimation of linear and non-linear Muskingum model optimum parameters

پيش بيني و مهاركردن سيلاب يكي از مسايل مهم و اساسي در مديريت سامانه هاي منابع آب به منظور بهره برداري بهينه از توان هاي موجود مي باشد. در علم آب نهر هاي باز و مهندسي رودخانه مطالعه و تحليل اين گونه مسايل با استفاده از روش هاي رونديابي سيلاب انجام مي گيرد. يكي از بهترين و كاربردي ترين روش ها در رونديابي آبشناسي رودخانه ها، "شبيه ماسكينگام" است. براي تعيين و تخمين فراسنج هاي ماسكينگام روشهاي تجربي مختلفي برمبناي آزمون و خطا، روش حداقل مربعات و... ارايه شده است. يكي از روش هاي تخمين ضرايب ماسكينگام الگوريتم وراثتي مي باشد. مقايسه نتايج روش-هاي تجربي با روش الگوريتم وراثتي (GA) نشان مي دهد كه روش الگوريتم وراثتي روشي مناسب و بسيار سريع براي تخمين ضرايب ماسكينگام است. نكته اي كه بايد در مسايل بهينه سازي مورد توجه قرار گيرد تعيين تابع هدف با توجه به طبيعت مساله است كه در تعيين عملكرد الگوريتم نقش ويژه اي دارد. در اين پژوهش براي شبيه خطي و غير خطي ماسكينگام با بهينه سازي چند تابع هدف متفاوت با استفاده از الگوريتم وراثتي و مقايسه نتايج حاصل از آنها، تاثيرات تابع هدف در پيش بيني مقادير فراسنج هاي ماسكينگام و بده‌ي خروجي محاسباتي بررسي گرديده است. با توجه به آب‌نگار هاي بده‌ي خروجي محاسبه شده در مقايسه با آب‌نگار هاي بده‌ي خروجي مشاهداتي مي توان اذعان داشت كه به كارگيري توابع هدف متفاوت و در شبيه ماسگينگام خطي منجر به تغيير نتايج و افزايش دقت محاسبات مي گردد در حالي كه تغييرات ناشي از استفاده توابع هدف متفاوت در نتايج شبيه ماسگينگام غيرخطي چشمگير نمي باشد.

Prediction and control flood is essential in water resource management. Studying and analysis on this problem is done using flood routing methods in hydraulic science. The Muskingum model is one of the best methods in the hydrologic flood routing rivers. In order to estimate of the Muskingum parameters have been used experiential methods as trial and error method, least squares. Genetic algorithm is one of the estimation methods of the parameters. Comparison between experiential methods results and genetic algorithm show that Genetic algorithm method is benefit and easy method for estimated the Muskingum parameters. The determining of objective function is most important in this method (GA). In this paper, different objective functions have been selected for linear and non-linear Muskingum models and are optimized using genetic algorithm then the effects of objective function are investigated on prediction of Muskingum parameters and computational output discharge. Comparison between computational hydrograph of output discharge and experimental result show that the effects of objective function on result prediction predominate in the linear Muskingum model whereas these are virtually negligible in non-linear Muskingum model.