مقايسه الگوريتم ازدحام ذرات و ژنتيك در بهينه‌سازي ضرايب معادله منحني سنجه رسوب در برآورد دبي رسوب معلق رودخانه سيستان؛ مطالعه موردي ايستگاه كهك

Compression of Genetic Algorithm and Particle Swarm Algorithm models for Optimizing Coefficients of Sediment Rating Curve in estimation of Suspended Sediment in Sistan River ;;Case Study Kohak station

برآورد صحيح غلظت رسوبات در رودخانه‌‌ها براي برنامه‌ريزي و مديريت پروژه‌هاي منابع آب بسيار مهم است. مدل‌هاي متفاوتي براي تعيين ارتباط بين مقدار دبي جريان و مقدار رسوب توسعه پيدا كرده‌اند. منحني سنجه رسوب يكي از متداول‌ترين روش‌ها براي برآورد رسوب معلق رودخانه‌ها مي‌باشد. براي تخمين هر چه بهتر ميزان رسوب معلق بر اساس معادله منحني سنجه مي توان ضرايب اين معادله را بهينه نمود. يكي از روش هاي بهينه سازي ضرايب معادله منحني سنجه رسوب استفاده از الگوريتم هاي فراابتكاري مي باشد. هدف اصلي از اين تحقيق استفاده از الگوريتم ژنتيك و ازدحام ذرات براي بهينه كردن ضرايب معادله منحني سنجه رسوب براي ايستگاه كهك بر روي رودخانه سيستان و مقايسه نتايج بدست آمده از اين مدل‌ها با منحني سنجه رسوب مي‌باشد. براي محاسبه دبي رسوب توسط مدل‌ها در ابتدا آمار و اطلاعات لازم از جمله آمار دبي آب و غلظت اندازه‌گيري شده رسوب ازسال 1360 تا سال 1391 در ايستگاه مورد مطالعه جمع آوري شده است. مدل‌هاي الگوريتم ژنتيك (GA) و الگوريتم ازدحام ذرات (PSO) در نرم‌افزار متلب كدنويسي شد. پس از اينكه مدل‌ها با 70 درصد داده ها مورد آموزش قرار گرفت، 30 درصد داده ها در هر دو ايستگاه مورد آزمون قرار گرفتند. معيار ارزيابي مدل‌ها ضريب تبيين (R2)، ضريب نش ستكليف (CE) و جذر ميانگين مربعات خطا (RMSE) بوده است. نتايج بدست آمده از مدل‌ها كه در واقع كمينه كردن خطاي حاصل از داده‌هاي محاسبه شده و مقادير واقعي مي‌باشد نشان‌دهنده اين واقعيت است كه مدل الگوريتم ژنتيك با مقدار 33484.47 تن در روز در ايستگاه كهك داراي كمترين مقدار جذر ميانگين مربعات خطا و پس از آن، الگوريتم ازدحام ذرات با مقدار 34754.31 تن در روز و سپس منحني سنجه رسوب با 90,35723 داراي كمترين مقادير ميباشند.

Estimation of sediment concentration in rivers is very important for water resource projects planning and managements. Various models have been developed so far to identify the relation between discharge and sediment load. One of the most common methods for estimating sediment of rivers is sediment rating curve. For better estimation of the amount of sediment based on the sediment curve rating equation, it is possible to optimize its coefficients. One of the methods used for optimizing the coefficients of the sediment curve rating equation is taking advantage of meta-heuristic algorithms. Nowadays, optimization algorithms are used regularly for solving complex and non-linear problem. The main objective of this research is the use of genetic algorithms and particle swarm to optimize the relationship between discharge and sediment discharge in Kohak station on the Sistan River and comparison the results of these models with sediment rating curve. For the calculation of sediment discharge by the models initially necessary statistics and information including flow discharge and sediment concentrations have been measured since 1981-2011 in the stations are collected. Genetic Algorithm(GA) and Particle Swarm Algorithm(PSO) models were coded in MATLAB. After the models were trained with 70% to 30% of the data at both stations were tested. Evaluation parameters efficiency such as coefficient of determination (R2), root mean square error (RMSE) and Nash-Sutcliffe coefficients (CE) are used in evaluating the models. The results showed that the genetic algorithm with 33484.47 values at Kohak station has lowest root mean square error in all models. After genetic algorithm, Particle swarm algorithm with 34754.31 values has lowest values of the objective function.