مقایسه الگوریتم های بهینه سازی pattern search و shuffled complex evolution برای واسنجی مدل های بارش – رواناب tank و sacramento

کاربرد موفقیت آمیز مدل های بارش – رواناب، به چگونگی واسنجی پارامترهای آنها بستگی دارد. مدل های مفهومی بارش - رواناب، عموماً دارای پارامترهای زیادی هستند که نمی توان آنها را به صورت مستقیم برآورد نمود و لازم است که آنها را در طول واسنجی مدل تخمین زد. هدف از انجام واسنجی، یافتن مقادیر آن سری از پارامترهایی است که باعث بهینه شدن معیارهای ارزیابی کارایی مدل می شوند. دو روش دستی و خودکار برای واسنجی مدل های مفهومی وجود دارد. روش دستی، به دلیل اینکه مستلزم صرف زمان زیادی است کمتر مورد توجه است. ولی در مقابل روش خودکار، نزد پژوهشگران، محبوبیت بیشتری دارد. با وجود عمومیت کاربرد این مدل ها، در صورتیکه نتوان یک مقدار بهینه برای پارامترهای مدل های مفهومی با استفاده از واسنجی خودکار (اتوماتیک) بدست آورد، کاربرد آن مدل ها بسیار مشکل خواهد شد. در این مطالعه، دو روش بهینه سازی سراسری و محلی بنام های shuffled complex evolution و pattern search، برای واسنجی خودکار دو مدل مفهومی محاسبه رطوبت خاک sacramento و مدل مفهومی tank جهت شبیه سازی فرآیند بارش – رواناب در زیرحوزه قزاقلی که بخشی از حوزه ی وسیع و چندگانه گرگانرود از توابع شهرستان گنبد کاووس در استان گلستان است، استفاده شده است. به ترتیب آمار پنج و چهار سال آبی برای دوره های واسنجی و اعتبارسنجی مورد استفاده قرار گرفت. ارزیابی کارایی دو روش بهینه سازی shuffled complex evolution و pattern search از طریق ارزیابی معیارهای ضریب کارائی (nash-sutcliffe)، مجذور میانگین مربعات خطا (rmse)، میانگین خطای مطلق (mae) و ضریب همبستگی ( ) و همچنین مقایسه گرافیکی دبی مشاهداتی و محاسباتی انجام شد و نتایج با یکدیگر مقایسه گردید. نتایج این مطالعه با توجه به معیارهای ارزیابی و شکل هیدروگراف و تطابق نسبی بین مقادیر مشاهداتی و محاسباتی نشان داد که روش بهینه سازی سراسری sce، برای واسنجی مدل ها نسبت به روش محلی ps، برتری دارد و این روش، در فرآیند شبیه سازی با دقت بیشتری عمل می کند.