fa تخمین پارامترهای بهینه مدل روندیابی ماسکینگام غیرخطی با استفاده از الگوریتم رقابت استعماری (ICA) عمومی Ggeneral پژوهشي Research <p><strong>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 </strong><strong><span dir="ltr">(ICA)</span></strong><strong> در تخمین پارامترهای بهینه مدل غیرخطی ماسکینگام پرداخته شد. علاوه‌بر </strong><strong><span dir="ltr">ICA</span></strong><strong>، الگوریتم ژنتیک </strong><strong><span dir="ltr">(GA)</span></strong><strong> و بهینه‌سازی مجموعه ذرات</strong><strong><span dir="ltr">(PSO) </span></strong><strong> نیز با هدف در دست بودن معیار برای قضاوت در مورد عملکرد </strong><strong><span dir="ltr">ICA</span></strong><strong> مورد استفاده قرار گرفتند. بدین‌منظور ابتدا </strong><strong><span dir="ltr">ICA</span></strong><strong> 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 </strong><strong><span dir="ltr">(SSQ)</span></strong><strong> دبی مشاهداتی و محاسباتی در نظر گرفته شد؛ مقدار تابع هدف حاصل از </strong><strong><span dir="ltr">ICA</span></strong><strong>، برابر 77/36 و مقدار تابع هدف حاصل از </strong><strong><span dir="ltr">GA</span></strong><strong> و </strong><strong><span dir="ltr">PSO</span></strong><strong> به‌ترتیب برابر 23/38 و 89/36 به‌دست آمد. در روندیابی دو سیل دیگر علاوه‌بر </strong><strong><span dir="ltr">SSQ</span></strong><strong>،</strong> <strong>تابع هدف دیگری به‌صورت مجموع قدر مطلق انحرافات </strong><strong><span dir="ltr">(SAD)</span></strong><strong> دبی مشاهداتی و محاسباتی نیز در نظر گرفته شد. در سیلاب اول براساس </strong><strong><span dir="ltr">SSQ</span></strong><strong>، </strong><strong><span dir="ltr">GA</span></strong><strong> بهترین عملکرد را از خود نشان داد ولی براساس </strong><strong><span dir="ltr">SAD</span></strong><strong>، </strong><strong><span dir="ltr">ICA</span></strong><strong> در رتبه نخست قرار گرفت. در مورد سیلاب دوم بر مبنای هر دو تابع هدف، </strong><strong><span dir="ltr">ICA</span></strong><strong> عملکرد بهتری داشته است. در این رابطه </strong><strong><span dir="ltr">ICA</span></strong><strong> نسبت به </strong><strong><span dir="ltr">GA</span></strong><strong> در تابع هدف </strong><strong><span dir="ltr">SSQ</span></strong><strong>، 9 درصد و در تابع هدف </strong><strong><span dir="ltr">SAD</span></strong><strong>، 08/0 درصد بهتر بوده است و نسبت‌به </strong><strong><span dir="ltr">PSO</span></strong><strong>، تابع هدف </strong><strong><span dir="ltr">SSQ</span></strong><strong> و </strong><strong><span dir="ltr">SAD</span></strong><strong> را به‌ترتیب 1/0 و 16/0 درصد بهبود داده است. با توجه به‌نتایج حاصل می‌توان گفت که الگوریتم </strong><strong><span dir="ltr">ICA</span></strong><strong> می‌تواند به‌عنوان یک روش مناسب به‌منظور تخمین پارامترهای مدل غیرخطی ماسکینگام مورد استفاده قرار گیرد.</strong></p> <p>Non-linear Muskingum model is an efficient method for flood routing. However, the efficiency of this method is influenced by three applied parameters. Therefore, efficiency assessment of Imperialist Competition Algorithm (ICA) to evaluate optimum parameters of non-linear Muskingum model was addressed in this study. In addition to ICA, Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) were also used to find an available criterion to verify ICA. In this regard, ICA was applied for Wilson flood routing then, routing of two flood events of DoAab Samsami River was investigated. In case of Wilson flood, the target function was considered as the sum of squared deviation (SSQ) of observed and calculated dischargem. Routing two other floods, in addition to SSQ, another target function was also considered as the sum of absolute deviations of observed and calculated discharge. For the first floodwater based on SSQ, GA indicated the best performance however, ICA was in the first place, based on SAD. For the second floodwater, based on both target functions, ICA indicated a better operation. According to the obtained results, it can be said that ICA could be recommended as an appropriate method to evaluate the parameters of Muskingum non-linear model.</p> الگوریتم رقابت استعماری , الگوریتم ژنتیک , بهینه‌سازی مجموعه ذرات , سیل ویلسون , رودخانه دوآب صمصامی DoAab Samsami River, Genetic Algorithm, Imperialist Competition Algorithm, Meta-Exploratory Algorithms, Particle Swarm Optimization, Wilson Flood. 321 334 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-1-170&slc_lang=fa&sid=1 D. Rajabi داود رجبی d.rajabi@semnan.ac.ir Yes 1. Dept. of Water Engineering, Collage of Civil Eng., Semnan Univ., Semnan, Iran. 1. گروه مهندسی آب ، دانشکده مهندسی عمران، دانشگاه سمنان H. Karami حجت کرمی No 1. Dept. of Water Engineering, Collage of Civil Eng., Semnan Univ., Semnan, Iran. 1. گروه مهندسی آب ، دانشکده مهندسی عمران، دانشگاه سمنان Kh. Hosseini خسرو حسینی No 1. Dept. of Water Engineering, Collage of Civil Eng., Semnan Univ., Semnan, Iran. 1. گروه مهندسی آب ، دانشکده مهندسی عمران، دانشگاه سمنان S. F. Mousavi سید‌فرهاد موسوی No 1. Dept. of Water Engineering, Collage of Civil Eng., Semnan Univ., Semnan, Iran. 1. گروه مهندسی آب ، دانشکده مهندسی عمران، دانشگاه سمنان S. A. Hashemi سیدعلی‌اصغر هاشمی No 2. Agriculture and Natural Resource Research Center, Semnan, Iran. 2. مرکز تحقیقات کشاورزی و منابع طبیعی استان سمنان