واسنجی روش روندیابی ماسکینگام با استفاده از الگوریتم کلونی مورچگان (مطالعه موردی: حوزه گرمرود)

روندیابی رودخانه و مخزن یکی از نکات مهم در پیش بینی سیلاب خروجی از حوزه آبخیز می باشد. بنابراین دقت در محاسبه آن سبب افزایش دقت سیلاب خروجی از حوزه آبخیز می شود. روش ماسکینگام یکی از روش های روندیابی رودخانه می باشد که ضرایب k و x با توجه به نوع حوزه آبخیز و رودخانه تعیین می شود. در اکثر حوزه های آبخیز به دلیل عدم دسترسی به همه ی پارامترها، این ضرایب به صورت تقریبی در نظر گرفته می شوند لذا هدف از این پژوهش واسنجی روش ماسکینگام در حوزه گرمرود و تعیین ضرایب k و x بهینه می‌باشد. به‌این منظور ابتدا حوزه آبخیز گرمرود با استفاده از الحاقیه hecgeohms در محیط نرم افزار arc gis به 21 زیر حوزه و 18 بازه رودخانه تقسیم بندی شد. با استفاده از نرم افزار hechms سیلاب خروجی از هر یک از زیر حوزه ها محاسبه و روندیابی سیستم رودخانه ها با استفاده از مدل کامپیوتری تهیه شده انجام شد. به منظور واسنجی از روش بهینه سازی الگوریتم جامعه مورچگان استفاده شد، به‌صورتی که در مجموع 36 متغیر تصمیم (شامل 18 متغیر k و 18 متغیر x) تعیین شد. تابع هدف مجذور میانگین مربعات خطای داده های دبی هیدروگراف محاسباتی و مشاهداتی خروجی حوزه آبخیز در نظر گرفته شد. نتایج نشان داد ضرایب بهینه نسبت به ضرایب معمول در دوره های واسنجی و صحت سنجی به ترتیب مقدار تابع هدف را 28% و 4.2% کاهش می دهد.

Calibration of Muskingum Method using Ant Colony Algorithm (Case Study: Garmrood Basin)

River and reservoir routing is very important in prediction of flood outflow from the catchment area. Therefore, accuracy of this calculation has close relationship with the increasing of accuracy in the outflow from the catchment area. The Muskingum method is a river routing methods, K and X coefficients are determined according to the type of catchment area and the river. But in most watersheds, these coefficients are considered approximately due to lack of parameters. Therefore, the aim of this study is to calibrate the Muskingum method in the Garmrood basin by determines K and X coefficients. Therefore At first, HECHMS software was used to calculate the flood for each subbasin and then river routing was calculated using a computerized model. Aco algorithm is used in order to calibrate total of 36 decision variables (including 18 variables for K and 18 variables for X). Root Mean Square Error between computed and observed hydrograph data were taken as objective function. The results showed that the optimal coefficients reduced the value of the objective function about 28% and 4.2% respectively in calibration and verification periods.