نوع مقاله : مقالات پژوهشی
نویسندگان
دانشگاه تهران
چکیده
چکیده
اگرچه کاربرد مدل ماسکینگام به دلیل مشکل بودن تخمین پارامترها هنوز با دشواری روبروست، اما این مدل به طور گسترده ای برای روندیابی سیل در هیدرولوژی بکار می رود. در تحقیق حاضر الگوریتم نورد شبیه سازی شده که الگوریتمی کارا در بهینه سازی است برای تخمین و بهینه سازی سه پارامتر مدل غیرخطی ماسکینگام استفاده شد. نتایج بدست آمده نشانگر دقت بالای این الگوریتم در تخمین این پارامترها بود، بطوریکه در مثال اول مجموع مربعات خطا (SSQ) برابر 78/36، مجموع قدر مطلق خطاها (SAD) برابر 44/23، دبی پیک واقعی 85 مترمکعب بر ثانیه بود و دبی پیک روندیابی شده 90/85 بدست آمد که، تفاوت این دو (DPO) برابر یک درصد خطا و تفاوت گام زمانی وقوع دبی پیک واقعی و روندیابی شده (DPOT) صفر بدست آمد. در مثال موردی دوم الگوریتم SA (Simulated Annealing) در مورد سیلاب رودخانة کارون آزمایش و نتایج آن با روش GA (Genetic Algorithm) مقایسه شد. نتایج نشان داد که الگوریتم SA تخمین بهتری نسبت به روش GA دارد. بطوریکه مجموع مربعات خطا (SSQ) برابر 06/4947، مجموع قدر مطلق خطاها (SAD) برابر 8/412، دبی پیک واقعی 1182 مترمکعب بر ثانیه بود و دبی پیک روندیابی شده 1191 بدست آمد که، تفاوت این دو (DPO) برابر کمتر از یک درصد خطا و تفاوت گام زمانی وقوع دبی پیک واقعی و روندیابی شده (DPOT) صفر بدست آمد. در نهایت این تحقیق قابلیت الگوریتم SA را در زمینة بهینه سازی پارامترهای مدل ماسکینگام نشان داد.
واژه های کلیدی: الگوریتم نورد شبیه سازی شده، بهینه سازی، روندیابی سیل، مدل ماسکینگام
عنوان مقاله [English]
Parameter Estimation of the Nonlinear Muskingum Model Using Simulated Annealing
نویسندگان [English]
- M. Mohammadi Ghaleni
- O. B ozorg Hadad
- K. Ebrahimi
Department of Irrigation and Reclamation, University of Tehran
چکیده [English]
Abstract
The Muskingum method is frequently used to route floods in Hydrology. However, application of the model is still difficult because of the parameter estimation’s. Recently, some of heuristic methods have been used in order to estimate the nonlinear Muskingum model. This paper presents a efficient heuristic algorithm, Simulated Annealing, which has been used to estimate the three parameters nonlinear Muskingum model. The results show the high accuracy of the algorithm in estimation of the parameters, so that it is obtained terms of the sum of the square of the deviations between the observed and routed outflows (SSQ), the sum of the absolute value of the deviations between the observed and routed outflows (SAD), deviations of peak of routed and actual flows (DPO), and deviations of peak time of routed and actual outflow (DPOT), 36/78, 23/44, 0/9 and 0, respectively. As Value of the SSQ has obtained equal its value Harmony Search method that is the best answer between the heuristic Optimization Algorithms that has been used so far. Finally, the performance of the new proposed method has been compared with other methods. The results showed that the height efficiency of the algorithm in parameter optimization of the nonlinear Muskingum model. SA algorithm in the second example the Karun River flood test and the results were compared with the GA method. The results showed that SA algorithms estimate is better than the GA method. As the error sum of squares (SSQ) before 4947/06, the total absolute error (SAD) against 412/8, Dubai actual peak was 1182 cubic meters per second and peak Routing 1191 was obtained by the difference of these two (DPO) times less a percentage error and the occurrence of different steps in Dubai when the real peak and has Routing (DPOT) zero respectively. Finally, this research capability in the blank verses optimal SA algorithm making Muskingum model parameters indicated therefore, to use SA algorithm in this area is recommended.
Keywords: Flood Routing, Muskingum Model, Optimization, Simulated Annealing Algorithm
)
ارسال نظر در مورد این مقاله