فهرست نشریات علمی دسترسی آزاد ایران

از روش‌های متداول روندیابی هیدرولوژیکی جریان در رودخانه، روش ماسکینگام است که با هزینه محاسباتی و زمان اندک، می‌تواند هیدروگراف سیل را در نقطه مدنظر از رودخانه مشخص نماید. در طول سال‌های اخیر تحقیقات بسیاری بر روی بهبود عملکرد این مدل صورت گرفته که منجر به توسعه انواع غیرخطی آن شده است. انتخاب مدل مناسب ماسکینگام و تخمین بهینه پارامترهای آن نقش تعیین کننده‌ای در عملکرد نهایی مدل دارد. در این پژوهش برای برآورد مقدار بهینه پارامترهای مدل تیپ پنج ماسکینگام (NL5) از روش برنامه‌ریزی غیرخطی (NLP) استفاده شد، و نتایج با الگوریتم‌های فرا ابتکاری گرگ خاکستری (GWO)، ژنتیک (GA) و ازدحام ذرات (PSO) مقایسه گردید. هدف از بهینه سازی حداقل نمودن مجموع مربعات خطا(SSR) در نظر گرفته شد. به منظور ازریابی بهتر عملکرد الگوریتم‌های بهینه‌سازی، از اطلاعات سه مطالعه موردی مطرح در تحقیقات قبلی شامل سیل ویلسون، سیل رودخانه وای و تحقیق Vatankhah, 2014 استفاده شده است. پس از تعیین پارامترهای بهینه مدل NL5 با استفاده از روش NLP، مقدار SSR برای سه مطالعه موردی مذکور به ترتیب 5.44، 30837.6 و 7356.7 m6/s2 تعیین شد .برای مقایسه الگوریتم‌های مختلف بهینه‌سازی از شاخص‌های مختلفی به منظور ارزیابی عملکرد استفاده شد که همگی عملکرد بسیار مطلوبی را در هر سه مطالعه موردی نشان دادند. به عنوان نمونه شاخص NSE در تمام حالات بیشتر از 0.99 بدست آمد، که نشان می‌دهد نتایج بهینه‌سازی بسیارمناسب است. در نهایت با توجه به نتایج شاخص‌های عملکردی، به ترتیب تکنیک‌های بهینه‌سازی NLP، GWO، PSO و GA بهترین تا ضعیف‌ترین عملکرد را داشتند.