16513

16513

واسنجي خودكار چند هدفه مدل مفهومي بارش - رواناب ARNO

كارشناسي ارشد

آب و سازه هاي هيدروليكي

آبان ماه 1395

دكتر باقر ذهبيون

عمران

يكي از اهداف مهم علم هيدرولوژي مهندسي، تعيين پاسخ حوضه به متغير¬هاي هيدرولوژيكي از جمله بارش است. اين امر نيازمند يك مدل بارش– رواناب مناسب است تا بتوان با واسنجي صحيح پارامتر¬هاي موجود در آن به اين مهم دست يافت. جهت برآورد مناسب پارامتر¬ها، شيوه¬هاي مختلفي مانند واسنجي خودكار، واسنجي دستي و تركيبي از هر دو روش ارائه شده است. در اين تحقيق به دليل سرعت بيش¬تر واسنجي خودكار و دخالت كمتر كاربر، از اين نوع واسنجي استفاده شد. همچنين، جهت شبيه¬سازي مناسب خصوصيات بيش¬تري از هيدروگراف مشاهداتي، واسنجي خودكار به‌صورت چند¬هدفه در دستور كار قرار گرفت. بدين منظور از سه الگوريتم بهينه سازي خودكار چند هدفه (NSGA-II، SPEA-II و MOPSO) براي برآورد مقادير پارامتر¬هاي مدل مفهومي بارش – رواناب ARNO، با استفاده از داده¬هاي مشاهداتي روزانه بهره گرفته شد. در اين تحقيق حوضه آبريز رودخانه ساروق چاي بالا دست سد شهيد كاظمي (بوكان) تا ايستگاه هيدرومتري صفاخانه مورد مطالعه قرار گرفت. داده¬هاي بارش و سري زماني تبخير و تعرق پتانسيل روزانه به‌عنوان ورودي¬هاي مدل ARNO بود. به‌منظور محاسبه دماي ميانگين حوضه، منحني هيپسومتري حوضه با استفاده از نرم افزار GIS استخراج شد و يك مدل رگرسيوني به‌منظور محاسبه رابطه بين دما و ارتفاع ساخته شد. در اين تحقيق برنامه¬ي كامپيوتري نوشته شد تا مدل شبيه¬ساز بارش – رواناب ARNO (كد نويسي شده در محيط برنامه نويسي فرترن) با روش¬هاي بهينه¬سازي چندهدفه (كد نويسي شده در زبان برنامه¬نويسي متلب) لينك گردد. مينيمم سازي هر يك از توابع هدف LOGE و RMSE (اولين تابع هدف جهت تأكيد بر جريان¬هاي كم و دومين تابع هدف به جهت تأكيد بر جريان¬هاي پيك) در مدل بهينه¬سازي در دستور كار قرار گرفت. جبهه بهينه پارتو توسط هر يك از روش¬ها حاصل گرديد و به‌عنوان نمونه سه پاسخ از قسمت¬هاي مختلف جبهه بهينه پارتو انتخاب و هيدروگراف متناظر با هريك در دوره واسنجي و صحت سنجي نمايش داده شد. از سه پاسخ مذكور دو مورد متناظر با بهترين مقادير توابع هدف و مورد سوم متناظر با جوابي كه با استفاده از نظريه بازي‌ها و توسط روش كالاي- اسمورودينسكي حاصل مي¬گردد، انتخاب شد. نتايج ارزيابي جبهه بهينه پارتو نشان داد كه روش بهينه¬سازي NSGA-II نسبت به دو روش ديگر در واسنجي چندهدفه مدل بارش- رواناب ARNO از نظر دو معيار پراكنش جواب¬ها و ميزان راه¬حل¬هاي غالب نسبت به ساير الگوريتم¬ها، موفق¬تر عمل كرده است. براي هر سه پاسخ انتخاب شده در سه الگوريتم به كار رفته در اين تحقيق، نتايج حاصل از معيار R^2 از 63/0 تا 75/0 در دوره واسنجي و از 68/0 تا 77/0 در دوره صحت¬سنجي گزارش شد. نتايج ارزيابي هيدروگراف¬هاي محاسباتي نشان از عملكرد مناسب هر سه الگوريتم بهينه سازي و مدل بارش – رواناب ARNO براي شبيه سازي رواناب خروجي از حوضه آبريز ساروق چاي دادند.

1395/11/14

1/1/1900 12:00:00 AM

One of the main challenges in hydrologic engineering is to determine the response of catchment to a specified precipitation. We need an appropriate rainfall-runoff model to optimize its parameters to find the responses of the catchment. The process of model calibration is done either manually o​r by using computer-based automatic procedures. Manual trial an​d error calibration is time consuming an​d depends on the modeler’s experience, skill, an​d knowledge of the model’s processes an​d dynamics. So automatic calibration procedure accepted in this study. Calibration based on single objective function cant considered all aspect of hydrograph, So multi-objective calibration chooses. In this research, the efficiency of Non-dominated Sorting Genetic Algorithm (NSGA-II), Strength Pareto Evolutionary Algorithm (SPEA-II) an​d Multi-objective Particle Swarm Optimization (MOPSO) were compared by implementing the ARNO rainfall-runoff model. The case study was accomplished on the Saroogh Chay river catchment, up stream of Shahid Kazemi (Bookan) until Safakhaneh hydrometry station. The ARNO model inputs are represented by rainfall an​d potential evapotranspiration data series. Hypsometric curve was derived from GIS software to calculate the average temperature in catchment an​d the regression model was proposed to find relationship of altitude an​d temperature. ARNO rainfall-runoff model (were written in FORTRAN  code) linked to evolutionary algorithm (which were written in MATLAB). In this study, two objective functions such as: a root mean square of errors (RMSE) an​d LOGE considered an​d minimize of them were determined. Where one of the objective functions emphasizes on fitting the peak flow an​d the other stresses on fitting low flow values of the watershed responses considered. The multi-objective optimization of the ARNO Model was carried out an​d the effectiveness of multi-objective optimization approach for performance eva​luation of rainfall-runoff models was investigated. Pareto front from three multi-objective optimization achived. Three point of Pareto front include the best of two amounts of objective functions an​d the solution of kalay-smorodinsky were selected. The result showed that NSGA-II algorithm has better performance than two other algorithms from the point of maximum distribution an​d number of nondominated solution. For three point in pareto front in each algorithm the simulation performance of the model was eva​luated on the basis of Efficiency coefficient an​d coefficient of determination which were reached value between  –  during calibration period,  –  during validation period. The multi-objective optimization of the ARNO Model was carried out an​d the effectiveness of multi-objective optimization approach for performance eva​luation of rainfall-runoff models was investigated.