CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

واسنجی خودکار مدل پیوسته بارش-رواناب HMS-SMA با استفاده از الگوریتم های فراکاوشی (مطالعه موردی: حوضه آبریز کسیلیان)

عنوان مقاله: واسنجی خودکار مدل پیوسته بارش-رواناب HMS-SMA با استفاده از الگوریتم های فراکاوشی (مطالعه موردی: حوضه آبریز کسیلیان)
شناسه ملی مقاله: JR_JISE-41-3_002
منتشر شده در شماره 3 دوره 41 فصل در سال 1397
مشخصات نویسندگان مقاله:

فهیمه سرتیپ - دانشجوی کارشناسی ارشد منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.
فریدون رادمنش - دانشیار گروه هیدرولوژی و منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
حیدر زارعی - دانشیار گروه هیدرولوژی و منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
میثم سالاری جزی - استادیار، گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان.

خلاصه مقاله:
در این تحقیق هدف ارائه یک مدل واسنجی خودکار براساس کلونی مورچه­ها برای مدل احتساب رطوبت خاک HMS-SMA می­باشد. برای این منظور حوضه معرف کسیلیان به­عنوان مطالعه موردی در این تحقیق مد نظر قرار گرفت. در مدل­های پیوسته بارش-رواناب، تعدد پارامتر­های در نظر گرفته­شده مدل، علاوه بر این­که سبب دشواری واسنجی به روش سعی و خطا می­شوند، امکان واسنجی خودکار بسته نرم­افزاری مورد نظر را نیز از بین می­برد. الگوریتم بهینه­سازی کلونی مورچه­ها با تکیه بر تابع شدت احتمالاتی پیوسته می­تواند به­منظور واسنجی مدل پیوسته بارش-رواناب به­کار رود. برای این منظور در تحقیق حاضر با انتخاب مدل پیوسته بارش-رواناب HMS-SMA، برای غلبه بر ضعف موجود از یک برنامه بهینه­ساز خارجی (الگوریتم کلونی مورچه­ها یا ACOR) جهت برآورد رواناب در مقیاس زمانی شش­ماهه در حوضه معرف کسیلیان استفاده شد. برای ارزیابی مدل ارائه شده،  از چهار سال آبی برای واسنجی و از چهار سال آبی دیگر برای صحت­سنجی مدل استفاده گردید.  معیار نش-ساتکلیف به­عنوان تابع هدف در این تحقیق مورد استفاده قرار گرفت که نتایج حاصل در مرحله واسنجی و صحت­سنجی همگی در محدوده خوب و قابل قبول واقع شد.

کلمات کلیدی:
HMS-SMA, الگوریتم کلونی مورچه ها(ACOR), حوضه کسیلیان, واسنجی, نش-ساتکلیف

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/887825/