واسنجی مدل بارش- رواناب مفهومی با کمک الگوریتم جهش ترکیبی قورباغه

کاربرد موفقیتآمیز مدلهای پیشبینی بارش-رواناب به نحوهی واسنجی پارامترهای آنها بستگی دارد.تخمین پارامترهای این گونه مدلها عموما به صورت مستقیم به دلیل تعداد بالای پارامترها غیر ممکن می باشد و لازم است به کمک ابزارهای بهینه سازی (واسنجی مدل) آنها را برآورد نمود. در تحقیق حاضر واسنجی پارامتر های مدل بارش–رواناب روزانه Hymod (یک مدل سادهی مفهومی بارش–رواناب ) با استفاده از الگوریتم جهش ترکیبی قورباغه(SFLA) که از نحوهی جستجوی غذای گروه های قورباغه سرچشمه گرفته است، انجام شد. ارزیابی روش واسنجی مذکور با استفاده از داده های روزانه بارش و تبخیر و تعرق برای 5 سال در حوضه رودخانه لیف آمریکا انجام گردید. مقایسه مقادیر دبی شبیه سازی شده و مشاهده شده با کمک آماره های ریشه میانگین مربعات خطا (RMSE) ضریب همبستگی (R2) و ضریب ناش- ساتکلیف (NS) نشان از کارایی بالای این روش در زمینه واسنجی مدل های بارش-رواناب دارد.

کلیدواژه ها:

واسنجی ، مدل بارش- رواناب ، الگوریتم جهش ترکیبی قورباغه