ارزیابی عملکرد مدل‌های AWBM، Sacramento و SimHyd در شبیه‌سازی رواناب حوضه امامه با استفاده از بهینه‌ساز واسنجی خودکار الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه تهران، کرج، ایران

2 دانشیار، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

3 استاد، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

4 دانش آموخته دکتری گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

چکیده

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.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Performance Evaluation of AWBM, Sacramento and SimHyd models in Runoff Simulation of the Amameh Watershed using Automatic Calibration Optimization Method of Genetic Algorithm

نویسندگان [English]

  • Mohammad Reza Mohammadivand 1
  • Shahab Araghinejad 2
  • Kumars Ebrahimi 3
  • Fereshteh Modaresi 4
1 MSc Student of Water Resources Engineering, University of Tehran
2 Department of Irrigation & Reclamation Engineering, University of Tehran, Karaj, Iran
3 Professor, Irrigation and Reclamation Engineering Department, Faculty of Agricultural Engineering and Technology, University College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran
4 Ph.D. Graduated Student, Irrigation and Reclamation Engineering Department, Faculty of Agricultural Engineering and Technology, University College of Agriculture and Natural Resources, University of Tehran, Karaj, Iran
چکیده [English]

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.

کلیدواژه‌ها [English]

  • AWBM
  • Sacramento
  • SimHyd
  • Genetic Algorithm
  • Hydrological models
Bergstra, J. and Bengio, Y (2012). Random Search for Hyper- parameter optimization, Machine Learning Research, 13, 281-305.
Chiew, F. H. S., Peel, M. C., Western, A. W. (2002). Application of testing of the simple rainfall-runoff model SimHyd, In: mathematical models of small watershed hydrology and applications, Water Resources Publication, Littleton, Colorado, USA, pp. 355-367.
Cooper, VA., Nguyen, VTV. and Nicell, JA. (1997). Evaluation of global optimization methods for conceptual rainfall-runoff model calibration. Journal of Water Science Technology, 36(5), 53–60.
Garmeh, R. and Farid Hosseini, A. R. (2015). Optimization of the Parameters of HEC-HMS Rainfall-Runoff model by the PSO Optimization Algorithm. Irainian journal of Soil and Water Research, 46(2), 255-264. (In Farsi)
Izadi, M., Ajdari, Kh., Akhavan, S. and Imam Gholizadeh, S. (2013). SWAT 2009 uses in flow simulation of Shirin Dareh River. Fifth Iranian National Water Resources Management Conference, Tehran, Iran. (In Farsi)
Khazaei, M. R., Zahabiyoun, B. and Saghafian, B. (2009). Automatic calibration of the ARNO conceptual rainfall- runoff model. Iranian Journal of Watershed Management Science, 3(8), 21-28. (In Farsi)
Mizumura, K. (1995). Runoff prediction by simple TANK model using recession curve. Journal of Hydraulic Engineering. 121(11), 812-818.
Moriasi, D.N., Arnold, J.G., Van Liew, M.W., Bingner, R.L., Harmel, R.D. and Veith, T.L. (2007). Model evaluation guidelines for systematic quantification of accuracy in watershed simulations, Transactions of the ASABE, 50(3), 885-900.
Podger, G. (2004). Rainfall Runoff Library (RRL), user guide. CRC for Catchment Hydrology, Australia.
Rouhani, H and Farahi Moghadam, M. (2014).  Application of the genetic algorithm technique for optimization of the hydrologic TANK and SimHyd model’s parameters. Journal of Range and Watershed Management (Iranian Journal of Natural Resources). 66(4), 512-533. (In Farsi)
Sharifi, F. (1997). Evaluation of three continuous rainfall-runoff models, a new approach. Proceeding of the 8th International Conference on Rainwater Catchments Systems, Tehran, Iran. 10-14 April pp. 416-432.
Sharifi, F. and Boyd, M.J. (1994). A comparison of the SFB and AWBM rainfall-runoff models. 25th congress of the international association of hydrologeologists/International hydrology and water resourses symposium of the institution of engineers, Australia. Adelaide. 21-25 November, pp.491-495.
Wang, Q. J. (1991). The genetic algorithm and its application to calibrating conceptual rainfall-runoff models.  Journal of Water resource research, 27(9), 2467-2471.
Yu, P. S. and Yang, T. C. (2000). Fuzzy multi-objective function for rainfall-runoff model calibration, Journal of . Hydrology 238(1-2), 1–14.
Zhou, Y. and Zhu Y.M. (2007). Suspended sediment flux ,modeling with artificial neural network: An example of the Longchuanjiang River in the Upper Yangtze catchment, China. Geomorphology 84:111-125.