بهینه‌سازی پارامترهای مدل ماسکینگام غیرخطی با استفاده از الگوریتم کلونی زنبورعسل

روندیابی سیلاب به‌عنوان یک روش ریاضی برای پیش‌بینی بزرگی و سرعت یک موج سیلاب در مسیر جریان رودخانه می‌باشد و پایه اساسی برای انجام پهنه‌بندی سیلاب، پیش‌بینی سیلاب و طراحی سازه‌های رودخانه‌ای را فراهم می‌کند. یکی از روش‌های رایج و مهم روندیابی سیل، مدل ماسکینگام می‌باشد. در این پژوهش بهینه‌سازی پارامترهای مدل ماسکینگام (k، x و m) توسط الگوریتم کلونی زنبورعسل با استفاده از داده‌های 9 هیدروگراف سیلاب هم‌زمان ثبت شده در ایستگاه‌های آب‌سنجی ملاثانی و اهواز رودخانه کارون مورد بررسی قرار گرفته است. برای ارزیابی کارآیی روش از نمایه‌های آماری ریشه میانگین مربعات خطا (rmse)، درصد خطای نسبی (re)، میانگین مطلق خطا (mbe)، میانگین انحراف خطا (mae)، ضریب ناش- ساتکلیف (ns)، ضریب تبیین (2r) و همچنین مقایسه کیفی هیدروگراف‌های مشاهده‌ای و برآوردی استفاده شد. نتایج نشان داد که الگوریتم‌های کلونی زنبورعسل و ژنتیک با میانگین ریشه میانگین مربعات خطای 85/79 مترمکعب بر ثانیه در مقایسه با روش گرافیکی با میانگین ریشه میانگین مربعات خطای 07/88 متر مکعب بر ثانیه عملکرد بهتری در محاسبه پارامترهای مدل ماسکینگام دارد. مقایسه دبی اوج هیدروگراف‌ها نشان‌دهنده دقت بالاتر روش گرافیکی در برآورد دبی اوج هیدروگراف با میانگین خطای 2/31 مترمکعب بر ثانیه بوده و الگوریتم ژنتیک و الگوریتم کلونی زنبورعسل به‌ترتیب با میانگین خطای 8/58 و 18/62 مترمکعب بر ثانیه دبی اوج هیدروگراف را برآورد نموده‌اند.