کاربست مقایسه ای الگوریتم جستجوی موجودات همزیست با الگوریتم های فراکاوشی در مدل روندیابی سیلاب

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 66

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSW-34-2_009

تاریخ نمایه سازی: 8 آبان 1402

چکیده مقاله:

روندیابی سیلاب یکی از الزامات مهم در مطالعات مهندسی رودخانه محسوب می­شود. روندیابی هیدرولوژیکی در رودخانه­های شریانی و رودخانه های فاقد آمار حوضه میانی متداول است. به این منظور نیاز به تهیه مقاطع عرضی و تعیین شیب­ها در کلیه بازه­های رودخانه می­باشد. روش ماسکینگام می تواند با استفاده از آن ضمن صرفه­جویی در زمان و هزینه، اطلاعات مربوط به عمق و دبی جریان سیلابی را در هر زمان مشخص نماید. کاربست روش­های فراکاوشی نتایج رضایت بخشی را در این زمینه تاکنون نشان داده است. از این رو در این پژوهش، به ارزیابی کارایی الگوریتم جستجوی موجودات همزیست (SOS) در تخمین پارامترهای بهینه مدل غیرخطی ماسکینگام پرداخته شد. به­منظور بررسی میزان مطلوبیت یافته­های پژوهش، نتایج حاصل از الگوریتم موجودات همزیست (SOS)، با نتایج سایر روش های فراکاوشی شامل الگوریتم وراثتی (GA)، الگوریتم ازدحام ذرات (PSO)، الگوریتم رقابت استعماری (ICA) مقایسه گردید. در الگوریتم پیشنهادی، روش تابع جریمه غیرمستقیم در مدل برای جلوگیری از منفی شدن خروجی و ذخیره اعمال شده است. الگوریتم مذکور بهینه سراسری یا نزدیک سراسری را بدون در نظر گرفتن مقادیر اولیه پارامترها با همگرایی سریع پیدا می کند. نتایج الگوریتم SOS برای دو رودخانه ویلسون و کارده نشان دهنده کمینه سازی مجموع مربعات باقیمانده ها (SSQ) می­باشد که برای رودخانه ویلسون با MSE (۸۵/۵) و SSQ (۷۸/۱۲۸) و رودخانه کارده با MSE (۵۰۵/۰) و SSQ (۵۵۲/۴) می باشد و مانند الگوریتم های PSO و ICA عملکرد بهتری نسبت به الگوریتم GA داشته است در نتیجه الگوریتم پیشنهادی می تواند با اطمینان خوبی به­منظور برآورد مقادیر بهینه پارامترهای مدل ماسکینگام غیر خطی مورد استفاده قرار گیرد.

نویسندگان

سعید خلیفه

دانشگاه فردوسی مشهد

سیدعلیرضا اسماعیلی

دانشگاه فردوسی مشهد

کاظم اسماعیلی

دانشگاه فردوسی مشهد

سعید رضا خداشناس

دانشگاه فردوسی مشهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Akbari G., and Barati R., and Fadafan M. ۲۰۱۰. Present ...
  • Cheng M.Y., and Prayogo D. ۲۰۱۴. Symbiotic Organisms Search: A ...
  • Choudhury P., Shrivastava R.K., and Narulkar S.M. ۲۰۰۲. Flood Routing ...
  • Chow V.T. ۲۰۰۹. Open Channel Hydraulic.The Blackburn Press ...
  • Chu H.J., and Chang L.C. ۲۰۰۹. Applying Particle Swarm Optimization ...
  • Das A. ۲۰۰۴. Parameter Estimation for Muskingum Models. Journal of ...
  • Ehteram M., Binti Othman F., Mundher Yaseen Z., Abdulmohsin Afan ...
  • Farzin S., Singh V., Karami H., Farahani N., Ehteram M., ...
  • Ghaleni M., Bozorg Hadad O., and Ebrahimi K. ۲۰۱۰. Parameter ...
  • Hamedi F., Bozorg Hadad O., and Vatan khah A. ۲۰۱۴. ...
  • Khalifeh S., Esmaili K., Khodashenas S., and Akbarifard S. ۲۰۲۰. ...
  • Kim J.H., Geem Z.W., and Kim E.S. ۲۰۰۱. Parameter estimation ...
  • Mohan S. ۱۹۹۷. Parameter Estimation of Nonlinear Muskingum Models Using ...
  • Perumal M.E., and Raju K.G.R. ۲۰۰۱. Field Applications of a ...
  • Perumal M., and Raju K.G.R. ۱۹۹۸. Variable-Parameter Stage-Hydrograph Routing Method. ...
  • Saghi H., Delbari A. ۲۰۱۳. Investigation performance linear and nonlinear ...
  • Singh V.P., and Scarlatos P.D. ۱۹۸۷. Analysis of nonlinear Muskingum ...
  • Tung Y.K. ۱۹۸۵. River flood routing by nonlinear Muskingum method. ...
  • Wilson E.M. ۱۹۷۴. Engineering hydrology, MacMillan Education, Hampshire, United Kingdom ...
  • Khalife S., Barani Gh., Khalifeh V., and Zonnemat Kermani M. ...
  • نمایش کامل مراجع