بررسی مقایسه ای روشهای الگوریتم ژنتیک ساده و هیبریدی در تخمین پارامترهایمدل بارش - رواناب تانک

مدلهای مفهومی بارش - رواناب که با استفاده از پارامترهایی هیدروگراف رواناب حاصل از بارش در یک حوزه آبریز را محاسبه می کنند، نقش بسیار مهمی در برنامه ریزی و مدیریت منابع آب ایفا می کنند . یکی از مهمترین عوامل در میزان دقت و کارایی این مدلها تخیمن صحیح پارامترهای آنها است . در صورتی که این پارامترها به درستی محاسبه شوند، مدل مورد نظر می تواند خصوصیات حوزه آبریز مورد مطالعه را به طور مناسب نمایش دهد . با توجه به تعداد نسبتاً زیاد این پارامترها، کاربرد شیوه های سنتی مبتنی بر سعی و خطا که تا حد زیادی متکی بر مهارت کاربر می باشند در تخمین این پارامترها محدود می باشد . در نتیجه کالیبراسیون این مدلها مستلزم استفاده از شیوه های نوین بهینه سازی می باشد . در این مقاله تخمین پارامترهای مدل مفهومی بارش - رواناب تانک با استفاده از روشهای جستجوی تصادفی الگوریتم ژنتیک ساده (SGA) و الگوریتم ژنتیک هیبریدی( HGA ) مورد بررسی و مقایسه قرار گرفته است . نتایج حاصل از این دو روش در تخمین پارامترهای مدل بارش - رواناب مورد مطالعه، حاکی از برتری HGA نسبت به SGA در دستیابی به نتایج بهتر در زمان کوتاهتر است .

کلیدواژه ها:

کالیبراسیون ، مدل تانک ، الگوریتم ژنتیک ساده ، الگوریتم ژنتیک هیبریدی ، جستجوی محلی