RT - Journal Article T1 - Estimating Optimum Parameters of Non-Linear Muskingum Model of Routing using Imperialist Competition Algorithm (ICA) JF - JSTNAR YR - 2015 JO - JSTNAR VO - 19 IS - 73 UR - http://jstnar.iut.ac.ir/article-1-3155-fa.html SP - 321 EP - 334 K1 - DoAab Samsami River K1 - Genetic Algorithm K1 - Imperialist Competition Algorithm K1 - Meta-Exploratory Algorithms K1 - Particle Swarm Optimization K1 - Wilson Flood. AB - مدل غیرخطی ماسکینگام روشی کارا در روندیابی سیلاب است، اما کارایی این روش تحت تأثیر سه پارامتر به‌کار رفته در آن است. در سال‌های اخیر، نتایج رضایت‌بخشی از استفاده الگوریتم‌های فراکاوشی در تعیین مقدار مناسب پارامترهای این مدل گزارش شده است. از این‌رو در این پژوهش به ارزیابی کارایی الگوریتم رقابت استعماری (ICA) در تخمین پارامترهای بهینه مدل غیرخطی ماسکینگام پرداخته شد. علاوه‌بر ICA، الگوریتم ژنتیک (GA) و بهینه‌سازی مجموعه ذرات(PSO)  نیز با هدف در دست بودن معیار برای قضاوت در مورد عملکرد ICA مورد استفاده قرار گرفتند. بدین‌منظور ابتدا ICA در روندیابی سیل ویلسون به‌کار گرفته شد؛ پس از آن روندیابی دو واقعه سیلاب مربوط به رودخانه دوآب صمصامی مورد بررسی قرار گرفت. در مورد سیل ویلسون که تابع هدف به‌صورت مجموع مربعات انحرافات (SSQ) دبی مشاهداتی و محاسباتی در نظر گرفته شد؛ مقدار تابع هدف حاصل از ICA، برابر 77/36 و مقدار تابع هدف حاصل از GA و PSO به‌ترتیب برابر 23/38 و 89/36 به‌دست آمد. در روندیابی دو سیل دیگر علاوه‌بر SSQ، تابع هدف دیگری به‌صورت مجموع قدر مطلق انحرافات (SAD) دبی مشاهداتی و محاسباتی نیز در نظر گرفته شد. در سیلاب اول براساس SSQ، GA بهترین عملکرد را از خود نشان داد ولی براساس SAD، ICA در رتبه نخست قرار گرفت. در مورد سیلاب دوم بر مبنای هر دو تابع هدف، ICA عملکرد بهتری داشته است. در این رابطه ICA نسبت به GA در تابع هدف SSQ، 9 درصد و در تابع هدف SAD، 08/0 درصد بهتر بوده است و نسبت‌به PSO، تابع هدف SSQ و SAD را به‌ترتیب 1/0 و 16/0 درصد بهبود داده است. با توجه به‌نتایج حاصل می‌توان گفت که الگوریتم ICA می‌تواند به‌عنوان یک روش مناسب به‌منظور تخمین پارامترهای مدل غیرخطی ماسکینگام مورد استفاده قرار گیرد. LA eng UL http://jstnar.iut.ac.ir/article-1-3155-fa.html M3 10.18869/acadpub.jstnar.19.73.321 ER -