واسنجی مدل SWAT با تلفیق الگوریتم تکاملی PSO و روش تاگوچی

Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 40

This Paper With 19 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JWEM-16-1_009

تاریخ نمایه سازی: 19 فروردین 1403

Abstract:

مقدمه مدلSWAT، یک ابزار مناسب برای شبیه سازی فرایندهای هیدرولوژیکی است. این مدل به ورودی های زیادی نیاز دارند که غالبا به صورت مستقیم قابل اندازه گیری نیستند و یکی از اصلی ترین منابع عدم قطعیت در این مدل ها محسوب می شود. فرایند واسنجی می تواند با تعدیل و تطبیق این ورودی ها موجب کاهش عدم قطعیت در نتایج مدل شود. پژوهش ها نشان دادند که واسنجی یک مدل هیدرولوژیکی با استفاده از الگوریتم های متداول واسنجی خودکار رزومه، دقت مناسبی در پیش بینی متغیرهای هیدرولوژیکی در دوره اعتبار سنجی به وجود نخواهد آورد. لذا، به منظور واسنجی مدل SWAT از الگوریتم PSO استفاده شد. از آنجا که هیچ قانون ریاضی و منطقی برای تعیین بهترین ترکیب پارامترهای الگوریتم PSO وجود ندارد و این ترکیب ها به اساس آزمون و خطا و از میان ترکیب های بسیار متنوع انتخاب می شوند، لذا، روش های مبتنی بر آزمون و خطا بسیار وقت گیر و گاهی غیر ممکن است. در این پژوهش، از روش تاگوچی برای تعیین بهترین ترکیب حاصل از پارامترهای الگوریتم PSO مورد استفاده قرار گرفت. مواد و روش ها در این پژوهش، قابلیت استفاده از مدل SWAT برای شبیه سازی رواناب ماهانه در حوزه آبخیز جوانمردی، از زیرحوضه های اصلی حوزه آبخیز لردگان با مساحت ۳۸۰ کیلومتر مربع بررسی شد. در این پژوهش، پارامترهای الگوریتم PSO شامل تعداد شبیه سازی (A)، تعداد تکرار (B)، وزن محاسبه سرعت (C) و پارامتر حرکت (D)، در چهار سطح تعریف شدند. سپس این پارامترها، مطابق آزمایش های موجود در آرایه متعامد L۱۶ (با استفاده از روش طراحی آزمایش های تاگوچی)، طراحی و اجرا شدند. مقیاس عملکردی مورد استفاده برای ارزیابی الگوریتم ها، RPD (درصد انحراف نسبی) انتخاب شد. با توجه به ماهیت متغیر پاسخ در این پژوهش، برای تحلیل نتایج آزمایش تاگوچی از شاخص S/N "هر چه کمتر، بهتر" استفاده شد. مرحله انتخاب آرایه ها و محاسبات در نرم افزار Minitab ۱۶ انجام گرفت. نتایج و بحث در مرحله تحلیل حساسیت که پیش از واسنجی مدل انجام شد، از میان ۲۸ پارامتر مورد بررسی در این پژوهش، مدل نسبت به تغییرات ۲۲ پارامتر حساسیت نشان داده و به عنوان متغیرهای اثرگذار بر شبیه سازی رواناب در حوزه آبخیز جوانمردی مشخص شدند. نتایج نشان داد که پارامتر عدد منحنی راواناب (CN)، مهمترین عامل و پارامترهای جرم مخصوص ظاهری خاک در حالت مرطوب (SOL_BD) و متوسط آب قابل استفاده به وسیله گیاه (SOL_AWC) به ترتیب در زمره مهمترین عوامل کنترل کننده دبی جریان در حوضه مطالعاتی هستند. بر اساس نتایج شبیه سازی شده به وسیله الگوریتم PSO مشخص شد که مدل SWAT دقت قابل قبولی برای برآورد رواناب ماهانه در منطقه مورد مطالعه دارد. به طوری که در مرحله واسنجی شاخص های r-factor و p-factor به ترتیب ۱.۲۳ و ۰.۸۸ و ضرایب تبیین و نش- ساتکلیف نیز به ترتیب برابر ۰.۷۷ و ۰.۷۵ بودند. در مرحله اعتبارسنجی نیز شاخص های r-factor و p-factor به ترتیب ۱.۳۱ و ۰.۸۴ و ضرایب تبیین و نش- ساتکلیف نیز به ترتیب برابر ۰.۷۲ و ۰.۷۳ بودند. در این پژوهش، بهترین ترکیب حاصل از کاربرد روش تاگوچی برای پارامتر های تعداد شبیه سازی، تعداد تکرار، وزن محاسبه سرعت و پارامترهای مناسب در الگوریتم PSO به ترتیب ۴۰، ۱۰۰، ۰.۲ و ۰.۱۵ (A۴B۴C۴D۳) تعیین شد. نتیجه گیری نتایج گویای این است که مدل SWAT، دقت قابل قبولی برای برآورد رواناب ماهانه در حوزه آبخیز جوانمردی داشته، روش PSO الگوریتم موثری در واسنجی و تعیین عدم قطعیت مدل در این حوضه بوده است. همچنین، استفاده از روش طراحی آزمایش ها تاگوچی، راهی مناسب برای تعیین بهترین ترکیب پارامترهای الگوریتم PSO برای محققانی است که از این روش برای بهینه سازی مدل SWAT استفاده می کنند.

Authors

حسین شیرانی

استاد گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر رفسنجان، ایران

انیس اسدی

دانشآموخته کارشناسی ارشد، دانشگاه ولی عصر رفسنجان، ایران

سمیه صدر

استادیار پژوهش، پژوهشکده پسته، موسسه تحقیقات و علوم باغبانی، سازمان تحقیقات، آموزش و ترویج کشاورزی، رفسنجان، ایران

علی اصغر بسالت پور

پژوهشگر ارشد موسسه مدیریت منابع برلین، آلمان

عیسی اسفندیار پور

استاد گروه علوم خاک، دانشکده کشاورزی، دانشگاه ولی عصر رفسنجان، ایران

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 :
  • Abbaspour, K. ۲۰۱۴. SWAT-CUP۲۰۱۲: SWAT calibration and uncertainty programs version ...
  • Abbaspour, K. ۲۰۱۱. SWAT-CUP۲: SWAT calibration and uncertainty programs version ...
  • Arnol, J., Muttiah, R.S., Srinivasan, R., Allen, P. ۲۰۰۰. Regional ...
  • Ayele, G.T., Teshale, E.Z., Yu, B., Rutherfurd, I.D., Jeong, J., ...
  • Behnamian, J., Zandieh, M., ۲۰۱۱. A discrete colonial competitive algorithm ...
  • Besalatpour, A.A., Ayoubi, S.A., Hajabbasi, M.A., Jalalian, A. ۲۰۱۵. Calibration ...
  • Besalatpour, A.A. ۲۰۱۲. Modelling of soil erosion hazard in the ...
  • Beven, K.J. ۲۰۱۱. Rainfall-runoff modelling: the primer ۲th. John Wiley ...
  • Das, A., Majurmder, A., Kr-Das, P. ۲۰۱۴. Detection of apposite ...
  • Eberhart, R., Kennedy, J. ۱۹۹۵. A new optimizer using particle ...
  • Faramarzi, M., Abbaspour, K.C., Schulin, R., Yang, H. ۲۰۰۹. Modelling ...
  • Ficklin, D.L., Luo, Y., Luedeling, E., Zhang, M. ۲۰۰۹. Climate ...
  • Gan, Y., Duan, Q., Gong, W., Tong, Ch., Sun, Y., ...
  • Ghaffari, G., Keesstra, S., Ghodousi, J., Ahmadi, H., ۲۰۱۰. SWAT‐simulated ...
  • Hargreaves, G.H., Samani, Z.A. ۱۹۸۵. Reference crop evapotranspiration from temperature. ...
  • Kechagias, J.D., Aslani, K.E., Fountas, N.A., Vaxevanidis, N.M., Manolakos, D.E., ...
  • Kennedy, J., Eberhart, R.C. ۱۹۹۵. Particle swarm optimization. Proceedings of ...
  • McCarthy, G.T. ۱۹۳۸. The unit hydrograph and flood routing. New ...
  • Mohammadi, S., Baloueib, F., Hajic, Kh., Khaledi Darvishancand, A., Karydas, ...
  • Morgan, R.P.C., Nearing, M.A. ۲۰۱۱. Handbook of erosion modelling. John ...
  • Nash, J., Sutcliffe, J. ۱۹۷۰. River flow forecasting through conceptual ...
  • Nasiri, S., Ansari, H., Ziaei, A.N. ۲۰۲۰. Simulation of water ...
  • Neitsch, S., Arnold, J., Kiniry, J., Williams, J. ۲۰۱۱. Soil ...
  • Rahman, K., Maringantic, H., Beniston, M., Widmer, F., Abbaspour, K., ...
  • Sun, L., Nistor, I., Seidou, O. ۲۰۱۵. Streamflow data assimilation ...
  • Sadeghi, S.H., Moosavi, V., Karami, A., Behnia, N. ۲۰۱۲. Soil ...
  • Sadr, S., Mozafari, V., Shirani, H., Alaei, H., Tajabadi Pour, ...
  • Schaefli, B., Gupta, H.V. ۲۰۰۷. Do nash values have value? ...
  • Shirani, H., Habibi, M., Besalatpour, A.A., Esfandiarpour, I. ۲۰۱۵. Determining ...
  • Singh, R.K., Panda, R.K., Satapathy, K.K., Ngachan, S.V. ۲۰۱۲. Runoff ...
  • Taguchi, G., Konishi, S. ۱۹۸۷. Taguchi methods orthogonal arrays and ...
  • Taguchi, G. ۱۹۸۷. Taguchi design method. J. Material. Process. Technol. ...
  • Tang, X., Zhang, X., Wang, G., Jin, J., Liu, C., ...
  • Yang, J., Reichert, P., Abbaspour, K.C., Xia, J., Yang, H. ...
  • Yang, Q., Meng, F.R., Zhao, Z., Chow, T.L., Benoy, G., ...
  • نمایش کامل مراجع