@article { author = {Mohammadivand, Mohammad Reza and Araghinejad, Shahab and Ebrahimi, Kumars and Modaresi, Fereshteh}, title = {Performance Evaluation of AWBM, Sacramento and SimHyd models in Runoff Simulation of the Amameh Watershed using Automatic Calibration Optimization Method of Genetic Algorithm}, journal = {Iranian Journal of Soil and Water Research}, volume = {50}, number = {7}, pages = {1759-1769}, year = {2019}, publisher = {University of Tehran}, issn = {2008-479X}, eissn = {2423-7833}, doi = {10.22059/ijswr.2019.258701.667923}, abstract = {One of the valid methods for simulation of the complex and non-linear process of rainfall-runoff is to use hydrological models. The purpose of this paper is to investigate the performance of three conceptual and lumped rainfall-runoff models; AWBM, Sacramento and SimHyd for simulating daily runoff at the outlet of the Amameh watershed using automatic calibration optimization genetic algorithm. Similar to other hydrological models, the range of parameters' variations is high in all three models and due to the difficulty of calibrating with trial and error-based methods, in this paper, the use of automatic calibration optimization methods for the hydrological models investigated. Preparation of required maps carried out by the GIS software version 10.4.1. Daily rainfall, potential evapotranspiration and observation runoff data of 2001-2005 used for calibration and 2006- 2007 data for simulations verificasion. The evaluation criteria including Nash-Sutcliff coefficient (NSE), coefficient of determination (R2) and root mean square error (RMSE) used to evaluate the proposed models. The statistical and graphical results of calibration and verification steps showed that SimHyd model performed better than the other two models with Nash-Sutcliff coefficient of 0.575 and 0.731, determination coefficient of 0.61 and 0.80 and the root mean square error of 1.033 and 0.829 respectively in the calibration and verification periods, using the automatic calibration optimization of the genetic algorithm and good graphical matching with the observational values. Also, AWBM and Sacramento models have satisfactory and desirable graphical and statistical results in the selected watershed and emphasize the good performance of automatic calibration optimization of the genetic algorithm.}, keywords = {AWBM,Sacramento,SimHyd,Genetic Algorithm,Hydrological models}, title_fa = {ارزیابی عملکرد مدل‌های AWBM، Sacramento و SimHyd در شبیه‌سازی رواناب حوضه امامه با استفاده از بهینه‌ساز واسنجی خودکار الگوریتم ژنتیک}, abstract_fa = {یکی از روش­های معتبر در شبیه­سازی فرآیند پیچیده و غیرخطی بارش–رواناب استفاده از مدل­های هیدرولوژیکی است. هدف مقاله حاضر بررسی کارایی سه مدل بارش-رواناب­ یکپارچه و مفهومی AWBM، Sacramento و SimHyd در شبیه­سازی رواناب روزانه در خروجی حوضه آبریز معرف امامه با کاربرد بهینه­ساز واسنجی خودکار الگوریتم ژنتیک است. مشابه سایر مدل­های هیدرولوژیکی، در هر سه مدل مذکور محدوده تغییر پارامترها زیاد است و با توجه به دشواری واسنجی با روش­های متداول مبتنی بر سعی و خطا، در این مقاله کاربرد روش­های بهینه­سازی به منظور واسنجی خودکار مدل­های هیدرولوژیکی بررسی شد. تهیه نقشه­های مورد نیاز در محیط نرم­افزار سامانه اطلاعات جغرافیایی نسخه 10.4.1 انجام گرفت و داده­های بارش، تبخیر و تعرق پتانسیل و رواناب مشاهداتی روزانه سال­های 2005-2001 برای واسنجی و سال­های 2007-2006 برای صحت­سنجی در امر شبیه­سازی­ها استفاده شد. معیارهای ارزیابی شامل ضریب نش-ساتکلیف (NSE)، ضریب تبیین (R2) و ضریب مجذور میانگین مربعات خطا (RMSE) برای ارزیابی مدل­ها استفاده شد. نتایج آماری و گرافیکی واسنجی و صحت­سنجی حاکی از عملکرد بهتر مدل  SimHyd نسبت به دو مدل دیگر با داشتن ضریب نش‌ساتکلیف 575/0 و 731/0، تبیین 61/0 و 80/0 و مجذور میانگین مربعات خطا 033/1 و 829/0 به ترتیب در دوره واسنجی و صحت­سنجی با کاربرد بهینه­ساز واسنجی خودکار الگوریتم ژنتیک و انطباق گرافیکی خوب با مقادیر مشاهداتی است. همچنین مدل­های AWBM و Sacramento نیز نتایج آماری و گرافیکی رضایت­بخش و مطلوب در حوضه منتخب داشته و کارایی خوب بهینه­ساز واسنجی خودکار الگوریتم ژنتیک را مورد تأکید قرار می­دهند.}, keywords_fa = {AWBM,Sacramento,SimHyd,Genetic Algorithm,Hydrological models}, url = {https://ijswr.ut.ac.ir/article_73922.html}, eprint = {https://ijswr.ut.ac.ir/article_73922_f1f2251a9637aa746fceee8095d286c1.pdf} }