حالت‌های مختلف بهینه‌یابی پارامترهای روش‌های روندیابی هیدرولوژیکی با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات (pso) برای روندیابی سیل در رودخانه کارون

بهینه‌یابی پارامترهای روش‌های روندیابی هیدرولوژیکی در افزایش دقت برآورد هیدروگراف خروجی سیل و هم‌چنین محاسبه ناحیه اوج هیدروگراف سیل در کارهای مهندسی از جایگاه ویژه‌ای برخوردار است. در پژوهش حاضر، از آنجاییکه دامنه تغییرات دبی ورودی سیل سوم (سیل محاسباتی) در حد فاصل دامنه تغییرات دبی ورودی سیل‌های اول و دوم (سیل‌های مبنا) قرار دارد، به‌همین دلیل جهت افزایش دقت روندیابی سیل با استفاده از روش‌های روندیابی هیدرولوژیکی (روش ماسکینگام خطی، مقادیر اجرایی، کانوکس و آت - کین اصلاح شده)، به‌جای استفاده از پارامترهایt∆ (x, k, ) یک سیل مبنا، از میانگین حسابی و هندسی پارامترهای دو سیل مبنا به‌صورت 8 حالت مختلف و با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات (pso) پرداخته شده‌است. به عبارت دیگر، استفاده از هر 8 حالت ارائه شده در پژوهش حاضر، باعث افزایش دقت روش‌های روندیابی هیدرولوژیکی در برآورد ناحیه اوج هیدروگراف سیل در حد فاصل ایستگاه‌های هیدرومتری ملاثانی (بالادست) و اهواز (پایین‌دست) رودخانه کارون، شده‌ است. به‌طوریکه، در بهترین حالت ارائه شده در پژوهش حاضر (حالت 8)، میانگین خطای نسبی ناحیه اوج سیل محاسباتی نسبت به شرایطی که از سیل مبنای اول به تنهایی استفاده شود، برای روش‌های مذکور به‌ترتیب 66، 66، 25 و 18 درصد و در شرایطی که از سیل مبنای دوم به تنهایی استفاده شود، به ترتیب 43، 43، 4 و 9 درصد بهبود یافته‌است.

Different types of Optimizing the Parameters of Hydrological Routing Methods using Particle Swarm Optimization (PSO) Algorithm for Flood Routing in the Karun River

Optimizing the parameters of hydrological routing methods has a special place in increasing the accuracy of estimating outflow hydrograph and also calculating the peak area of flood hydrograph in engineering works. In the present study, since the range of changes in the inflow of the third flood (computational flood) is between the range of changes of the inflow of the first and second floods (base floods), For this reason, in order to increase the flood routing accuracy by using hydrological routing methods (linear Musking method, Working values, convex and modified AttKin), instead of using the parameters (X, K, ∆t) of a baseline flood, the arithmetic mean and the geometric of the two baseline flood parameters is discussed in 8 different modes using the Particle Swarm Optimization (PSO) algorithm. In other words, the use of all 8 modes presented in the present study has increased the accuracy of hydrological routing methods in estimating the peak area of flood hydrographs between Mollasani (upstream) and Ahwaz (downstream) hydrometric stations of the Karun River. Thus, in the best case presented in the present study (mode 8), the mean relative error of the computational flood peak area relative to the conditions in which the first baseline flood is used alone, for the mentioned methods are 66, 66, 25 and 18%, respectively, and in conditions When the second baseline flood is used alone, it has improved by 43, 43, 4 and 9%, respectively.