تخمین پارامترهای معادله ماسکینگهام غیرخطی به وسیله الگوریتم جستجوی گرگ (WSA) (مطالعه موردی: رودخانه کارده)

روندیابی سیلاب یکی از پیچیده‌ترین مسائلی است که در علم هیدرولیک کانال‌های باز و مهندسی رودخانه مورد بررسی قرار می‌گیرد. در میان روش‌های مختلف روندیابی سیلاب، روش ماسکینگام به عنوان پر کاربردترین روش هیدرولوژیکی اهمیت زیادی در مطالعات سیلاب رودخانه‌ها داشته و از دقت بالایی برخوردار است. تخمین صحیح پارامترهای موجود در مدل غیر خطی ماسکینگام همواره مورد توجه محققین بوده و از روش‌های مختلفی بدین منظور استفاده شده است. در مقاله حاضر، از الگوریتم جدید جستجوی گرگ (WSA) بدین منظور استفاده شده است. برای ارزیابی مقادیر بهینه پارامترهای مدل ماسکینگهام، تابع هدف به صورت کمینه‌سازی مجموع مربعات باقیمانده‌ها(SSQ) بین حجم خروجی‌های مشاهداتی و روندیابی شده در نظر گرفته شد. به منظور بررسی میزان مطلوبیت یافته های تحقیق، نتایج حاصل از الگوریتم جستجوی گرگ با نتایج سایر روش‌های فرا ابتکاری شامل الگوریتم ژنتیک (GA)، الگوریتم گروه ذرات (PSO)، الگوریتم جستجوی هارمونی (HS) و الگوریتم رقابت استعماری (ICA) مقایسه گردید. از شش تابع محک استاندارد با ابعاد متفاوت برای بررسی کارآمدی این الگوریتم‌ها استفاده شد. همچنین تحلیل حساسیت بر روی اندازه جمعیت برای الگوریتم‌های مورد استفاده صورت پذیرفت. نتایج این تحقیق حاکی از آن بود که در میان الگوریتم‌های مذکور، الگوریتم جستجوی گرگ قادر است برآورد مناسب‌تری از مقادیر بهینه پارامترهای مدل ماسکینگام غیرخطی ارائه نماید به طوری که مقادیر ضریب تبیین و جذر میانگین مربعات خطا برای رودخانه کارده به ترتیب برابر با 778425/0 و 712358/0 بدست آمد.