دوره 8، شماره 16 - ( پاییز و زمستان 1396 )
جلد 8 شماره 16 صفحات 43-34 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Akbarifard S, Qaderi K, Alinnejad M. (2018). Parameter Estimation of the Nonlinear Muskingum Flood-Routing Model Using Water Cycle Algorithm. jwmr. 8(16), 34-43. doi:10.29252/jwmr.8.16.34
URL: http://jwmr.sanru.ac.ir/article-1-901-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-901-fa.html
اکبری فرد سعید، قادری کورش، علیان‌نژاد مریم. برآورد پارامترهای معادله ماسکینگام غیرخطی در مدل روندیابی سیلاب با استفاده از الگوریتم چرخه آب پژوهشنامه مديريت حوزه آبخيز 1396; 8 (16) :43-34 10.29252/jwmr.8.16.34
چکیده: (4552 مشاهده)
روندیابی سیل در رودخانهها یکی از مهمترین موارد در پروژههای مهندسی آب به حساب میآید. روندیابی هیدرولیکی مخصوصاً در رودخانههای چند شاخهای و رودخانههای فاقد آمار حوزه میانی بسیار متداول است، ولی به این منظور نیاز به تهیه مقاطع عرضی و تعیین شیبها در کلیه بازههای رودخانه است که روش ماسکینگام با صرفه جویی در زمان هم میزان هزینه این امر را ممکن میسازد. در این مقاله، الگوریتم چرخه آب(WCA) برای برآورد پارامترهای مدل ماسکینگام غیرخطی پیشنهاد شده است. همچنین نتایج حاصل از الگوریتم مورد بررسی با نتایج روش‌های شناخته شده الگوریتم ژنتیک (GA)، الگوریتم گروه ذرات (PSO)، الگوریتم جستجوی هارمونی (HS) و الگوریتم رقابت استعماری (ICA) مقایسه شده است. در روش پیشنهادی، روش تابع جریمه غیر مستقیم در مدل برای جلوگیری از منفی شدن خروجی و ذخیره اعمال شده است. الگوریتم پیشنهادی بهینه سراسری یا نزدیک سراسری را بدون در نظر گرفتن مقادیر اولیه پارامترها با همگرایی سریع پیدا می‌کند. این الگوریتم در میان 5 روش مختلف بهترین راه حل را ارائه کرد. نتایج نشان داد که الگوریتم پیشنهادی می‌تواند با اطمینان خوبی به منظور برآورد مقادیر بهینه پارامترهای مدل ماسکینگام غیر خطی مورد استفاده قرار گیرد. علاوه بر این، این الگوریتم می‌تواند برای هر مسئله بهینه‌سازی پیوسته در مهندسی مورد استفاده قرار گیرد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1396/11/9 | ویرایش نهایی: 1396/12/6 | پذیرش: 1396/11/9 | انتشار: 1396/11/9
دریافت: 1396/11/9 | ویرایش نهایی: 1396/12/6 | پذیرش: 1396/11/9 | انتشار: 1396/11/9
فهرست منابع
1. Baghipour, R., S.M. Hosseini and Z. Boor. 2014. A Water Cycle Algorithm for Optimal Allocation of DGs in Distribution System Considering Environmental Profit. International Journal of Mechatronics, Electrical and Computer Technology, 4: 430-45 (in Persian).
2. Barati, R., G. Akbari and M. Fadafan. 2010. Presentation an algorithm for estimating parameters of nonlinear Muskingum method. 9th Conference of Iran hydraulic, Tehran (in Persian).
3. Bozorg Haddad, O., M. Moravej and H.A. Loáiciga. 2014. Application of the Water Cycle Algorithm to the Optimal Operation of Reservoir Systems. Journal of Irrigation and Drainage Engineering, 10 (in Persian). [DOI:10.1061/(ASCE)IR.1943-4774.0000832]
4. Chen, J. and X. Yang. 2007. Optimal parameter estimation for Muskingum model based on gray encoded accelerating genetic algorithm. Communications in Nonlinear Science and Numerical Simulation, 12: 849-858. [DOI:10.1016/j.cnsns.2005.06.005]
5. Chu, H.J. and L.C. Chang. 2009. Applying particle swarm optimization to parameter estimation of the nonlinear Muskingum model. Journal of Hydrologic Engineering, 14: 1024-1027. [DOI:10.1061/(ASCE)HE.1943-5584.0000070]
6. Das, A. 2004. Parameter estimation for Muskingum models. Journal of Irrigation and Drainage Engineering, 2: 140-147. [DOI:10.1061/(ASCE)0733-9437(2004)130:2(140)]
7. Eskandar, H., A. Sadollah., A. Bahreininejad and M. Hamdi. 2012. Water cycle algorithm- A novel meta-heuristic optimization method for solving constrained engineering optimization problems. Computers and Structures, 110: 151-166. [DOI:10.1016/j.compstruc.2012.07.010]
8. Eskandar, H., A. Sadollah and A. Bahreininejad. 2013. Weight optimization of truss structures using water cycle algorithm. International Journal of Optimization in Civil Engineering, 1: 115-129.
9. Geem, Z.W. 2006. Parameter estimation for the nonlinear Muskingum model using the BFGS technique. Journal of Irrigation and Drainage Engineering, 5: 474-478. [DOI:10.1061/(ASCE)0733-9437(2006)132:5(474)]
10. Gill, M.A. 1978. Flood routing by Muskingum method. Journal of Hydrology, 36: 353-363. [DOI:10.1016/0022-1694(78)90153-1]
11. Hamedi, F., O. Bozorg Haddad and A. Vatan khah. 2012. Improve nonlinear Muskingum model by a new combinatorial storage equation. 5th National Conference on Water Resources Management, Tehran (in Persian).
12. Karahan, H., G. Gurarslan., A.M. ASCE and Z.W. Geem. 2013. Parameter Estimation of the Nonlinear Muskingum Flood-Routing Model Using a Hybrid Harmony Search Algorithm. Journal of Hydrologic Engineering, 18: 352-360. [DOI:10.1061/(ASCE)HE.1943-5584.0000608]
13. Kim J.H., Z.W. Geem and E.S. Kim. 2001. Parameter estimation of the nonlinear Muskingum model using harmony search. Journal of the American Water Resources Association, 37:1131-1138. [DOI:10.1111/j.1752-1688.2001.tb03627.x]
14. McCarthy, G.T. 1938. The unit hydrograph and flood routing. Proc. Conf. of North Atlantic Division, U.S. Army Corps of Engineers, Washington, DC.
15. Mirzazade, P. 2013. Investigation flood routing methods in river and reservoirs. M.Sc Thesis. Sistan and Baluchestan University. Civil college. Sistan and Baluchestan province. Iran. 86 (in Persian).
16. Mohammad Ghaleni, M., O. Bozorg Haddad and K. Ebrahimi. 2010. Optimization nonlinear Muskingum model's parameters by simulated optimization Nord algorithm. Journal of Water and Soil, 24: 908-919 (in Persian).
17. Mohan, S. 1997. Parameter estimation of nonlinear Muskingum models using genetic algorithm. Journal of Hydraulic Engineer, 123: 137-142. [DOI:10.1061/(ASCE)0733-9429(1997)123:2(137)]
18. Nourali, M., B. Ghahraman., M, Pourreza Bilondi and K. Davary. 2017. Uncertainly estimation of HEC-HMS floof simulation model using Markov Chain Monte Carlo algorithm. Journal of watershed management research, 8:235-249.
19. Premual, M. and K.G. RangaRaju. 1998. Variable-parameter stage-hydrograph routing method: I Theory. Journal of Hydrologic Engineering, ASCE, 3: 109-114. [DOI:10.1061/(ASCE)1084-0699(1998)3:2(109)]
20. Premual, M., P.E. O'Donnell and K.G. RangaRaju. 2001. Field application of a variable parameter Muskingum-Cunge method, Journal of Hydrologic Engineering, 6: 196-207. [DOI:10.1061/(ASCE)1084-0699(2001)6:3(196)]
21. Saghi, H. and A. Delbari. 2013. Investigation performance linear and nonlinear models for routing focus Muskingum flood. 15th Fluid Dynamic Conference, 7, Bandar Abbas (in Persian).
22. Samani, H and G. Shamsipour. 2003. Flood routing by nonlinear optimization. Hydraulic magazine, 42: 55- 59(in Persian). [DOI:10.1080/00221686.2004.9641183]
23. Shaabani Bazneshin, A., A. Emadi and R. Fazloula. 2016. Investigation the flooding poteitial of basins and determination flood producing areas (Case study: Neka Basin). Journal of watershed management research, 7: 20-28. [DOI:10.29252/jwmr.7.14.28]
24. Sheikh, Z., A. Dehvari and M. Ebrahimi. 2016. Regional flood frequency analysus application of canonical kriging method on Mazandaran Province Watersheds. Journal of watershed management research, 7: 38-47 (In Persian). [DOI:10.29252/jwmr.7.14.47]
25. Singh, V.P. and P.D. Scarlatos. 1987. Analysis of nonlinear Muskingum flood routing. Journal of Hydrologic Engineering, 113: 61-79. [DOI:10.1061/(ASCE)0733-9429(1987)113:1(61)]
26. Tung, Y.K. 1985. River flood routing by nonlinear Muskingum method. Journal of Hydrologic Engineering, 111: 1447-1460. [DOI:10.1061/(ASCE)0733-9429(1985)111:12(1447)]
27. Wilson, E.M. 1974. Engineering Hydrology, MacMillan Education, Hampshire, United Kingdom. 348.
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
