تخمین پارامترهای معادله ماسکینگهام غیرخطی به وسیله الگوریتم جستجوی گرگ (WSA) (مطالعه موردی: رودخانه کارده)
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 200
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ARIDSE-17-67_007
تاریخ نمایه سازی: 11 دی 1401
Abstract:
روندیابی سیلاب یکی از پیچیده ترین مسائلی است که در علم هیدرولیک کانال های باز و مهندسی رودخانه مورد بررسی قرار می گیرد. در میان روش های مختلف روندیابی سیلاب، روش ماسکینگام به عنوان پر کاربردترین روش هیدرولوژیکی اهمیت زیادی در مطالعات سیلاب رودخانه ها داشته و از دقت بالایی برخوردار است. تخمین صحیح پارامترهای موجود در مدل غیر خطی ماسکینگام همواره مورد توجه محققین بوده و از روش های مختلفی بدین منظور استفاده شده است. در مقاله حاضر، از الگوریتم جدید جستجوی گرگ (WSA) بدین منظور استفاده شده است. برای ارزیابی مقادیر بهینه پارامترهای مدل ماسکینگهام، تابع هدف به صورت کمینه سازی مجموع مربعات باقیمانده ها(SSQ) بین حجم خروجی های مشاهداتی و روندیابی شده در نظر گرفته شد. به منظور بررسی میزان مطلوبیت یافته های تحقیق، نتایج حاصل از الگوریتم جستجوی گرگ با نتایج سایر روش های فرا ابتکاری شامل الگوریتم ژنتیک (GA)، الگوریتم گروه ذرات (PSO)، الگوریتم جستجوی هارمونی (HS) و الگوریتم رقابت استعماری (ICA) مقایسه گردید. از شش تابع محک استاندارد با ابعاد متفاوت برای بررسی کارآمدی این الگوریتم ها استفاده شد. همچنین تحلیل حساسیت بر روی اندازه جمعیت برای الگوریتم های مورد استفاده صورت پذیرفت. نتایج این تحقیق حاکی از آن بود که در میان الگوریتم های مذکور، الگوریتم جستجوی گرگ قادر است برآورد مناسب تری از مقادیر بهینه پارامترهای مدل ماسکینگام غیرخطی ارائه نماید به طوری که مقادیر ضریب تبیین و جذر میانگین مربعات خطا برای رودخانه کارده به ترتیب برابر با ۷۷۸۴۲۵/۰ و ۷۱۲۳۵۸/۰ بدست آمد.
Keywords:
Authors
سعید اکبری فرد
دانشگاه شهید باهنر کرمان
محمدرضا مددی
دانشجوی دکتری سازه های آبی دانشگاه شهید باهنر کرمان
مریم علیان نژاد
دانشگاه شهید باهنر کرمان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :