ارزیابی تاثیر توابع هدف غیرهمسو در واسنجی چندهدفه مدل هیدرولوژیکی SWAT، مطالعه موردی: حوزه آبخیز قره‌سو کرمانشاه
مقدمه یکی از راه‌های برآورد مقدار رواناب حاصل از بارش، استفاده از مدلهای هیدرولوژیکی است. مدل SWAT، یکی از ابزارهای پرکاربرد در سطح حوزه آبخیز در شبیهسازی کمیت و کیفیت آب است. این مدل، یک مدل مفهومی است که قادر است حوضه‌‌های بزرگ با سناریوهای مدیریتی مختلف را شبیهسازی کند. از جمله چالش‌های مهم...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Soil Conservation and Watershed Management Research Institute (SCWMRI)
2023-11-01
|
| Series: | Muhandisī va mudirīyyat-i ābkhīz |
| Subjects: | |
| Online Access: | https://jwem.areeo.ac.ir/article_129203_88253bf9f3cdc33b7f5a8a40561ce806.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832539833142083584 |
|---|---|
| author | اشکان بنی خدمت حسین صالحی سعید گلیان فرشاد کوهیان افضل نازنین عزتی بورستان |
| author_facet | اشکان بنی خدمت حسین صالحی سعید گلیان فرشاد کوهیان افضل نازنین عزتی بورستان |
| author_sort | اشکان بنی خدمت |
| collection | DOAJ |
| description | مقدمه
یکی از راه‌های برآورد مقدار رواناب حاصل از بارش، استفاده از مدلهای هیدرولوژیکی است. مدل SWAT، یکی از ابزارهای پرکاربرد در سطح حوزه آبخیز در شبیهسازی کمیت و کیفیت آب است. این مدل، یک مدل مفهومی است که قادر است حوضه‌‌های بزرگ با سناریوهای مدیریتی مختلف را شبیهسازی کند. از جمله چالش‌های مهم مدل مذکور و بسیاری از مدلهای هیدرولوژیکی، واسنجی پارامترهای موثر و حساس در برآورد مقدار رواناب است. به‌طور کلی، روش‌های واسنجی را میتوان به دو گروه دستی و خودکار تقسیم کرد. واسنجی یک مدل به‌صورت دستی، نیازمند این است که مدل‌ساز، شناخت خوبی نسبت به فیزیک مدل داشته باشد. از سویی، به‌دلیل وقت‌گیر بودن و پیچیدگی‌های موجود و همچنین، توسعه الگوریتم‌‌های جدید بهینه‌‌سازی، امروزه واسنجی خودکار بیشتر مورد توجه قرار گرفته است. واسنجی خودکار بر پایه سه مولفه تابع هدف، الگوریتم بهینه‌‌سازی و اطلاعات ایستگاه‌ها بنا شده است. استفاده از یک تابع هدف در واسنجی یک مدل ممکن است موجب افزایش خطا در برخی دیگر از جنبه‌های شبیهسازی شود و همچنین، تجربه‌های علمی در زمینه واسنجی تک‌‌هدفه نشان داده است که هیچ تابع هدفی هرچند با کارایی بالا، به تنهایی نمی‌‌تواند ویژگی‌ها و خصوصیات حوضه را به درستی نشان دهد. لذا، به‌‌کارگیری راه‌‌حل بهینه‌‌سازی مناسب به‌‌منظور بهبود نتایج واسنجی شامل استفاده از یک الگوریتم بهینه‌‌سازی مناسب با چندین تابع هدف، برای شناسایی مجموعه جواب‌‌های کارآمد است.
مواد و روش‌‌ها
حوزه آبخیز مورد مطالعه در غرب ایران و در استان کرمانشاه، با مساحت 5467 کیلومتر مربع، واقع شده است. کمینه و بیشینه ارتفاع آن، 1275 و 3360 متر است. متوسط بارندگی حوضه، حدود 505 میلی‌متر بوده است که بیشترین بارش در ماه‌های آبان و آذر و کمترین بارش در ماه‌های تیر و مرداد رخ می‌دهد و سه رودخانه اصلی مرک، قره‌سو و رازآور در این حوضه جریان دارند. در این پژوهش، مدل بارش-رواناب SWAT، با استفاده از الگوریتم NSGA-II تحت سه سناریو واسنجی شد. برای واسنجی این مدل، در سناریوی اول، از تابع هدف NSE که به جریان‌‌های بیشینه توجه دارد، استفاده شد. در سناریوی دوم، برای تمرکز بر جریان‌‌های کمینه، پس از تبدیل لگاریتمی دو سری جریان رواناب شبیهسازی شده و مشاهداتی، ضریب کارایی NSE به‌عنوان تابع هدف اتخاذ شد که به‌صورت LogNSE نمایش داده می‌‌شود. سناریوی آخر، تلفیقی از دو سناریوی اول و دوم بود. به‌‌طوری که توابع هدف غیرهمسوی NSE و LogNSE به‌صورت همزمان مورد استفاده قرار گرفتند.
نتایج و بحث
نتایج این پژوهش، نشان داد که با توجه به مقادیر شاخص ارزیابی NSE برابر با 0.83، 0.74 و 0.83 برای سناریوهای اول تا سوم و بیش برآوردی مدل و بررسی نمودار جریان در سناریوی اول و تمایل بیشتر برای حرکت به سمت دبی‌‌های بالا، این سناریو برای برآورد جریان‌‌های بیشینه، کارآمدتر خواهد بود. همچنین، با توجه به شاخص ارزیابی LogNSE، مقادیر 0.69، 0.74 و 0.72 برای سناریوهای اول تا سوم، سناریوی دوم با تک هدف LogNSE در دبی‌‌های کمینه، عملکرد بهتری دارد. اما مدل ساخته شده با استفاده از دو تابع هدف غیرهمسو، سعی بر ایجاد توازن داشته است و عملکرد مطلوبی در تخمین همزمان رواناب‌های بیشینه و کمینه دارد.
نتیجه‌گیری
به‌طور کلی میتوان گفت، در صورتی‌که هدف مطالعه بررسی دبی‌‌های بیشینه و کمینه، یعنی مطالعات سیلاب یا خشکسالی باشد، الگوریتم‌‌های تک هدفه عملکرد مطلوب‌‌تری خواهند داشت. در صورتی‌که با هدف کنترل بیلان آبی و عملکرد مطلوب یک مدل در دو سوی دبی‌‌های بیشینه و کمینه، مدلسازی انجام شود، سناریوی دو هدفه با رویکرد غیرهمسو می‌‌تواند نتیجه بهتری نسبت به الگوریتم‌‌های تک هدفه داشته باشد. |
| format | Article |
| id | doaj-art-8dacf0e5a0904ab8bcc7b8083963cf7d |
| institution | Kabale University |
| issn | 2251-9300 2322-536X |
| language | fas |
| publishDate | 2023-11-01 |
| publisher | Soil Conservation and Watershed Management Research Institute (SCWMRI) |
| record_format | Article |
| series | Muhandisī va mudirīyyat-i ābkhīz |
| spelling | doaj-art-8dacf0e5a0904ab8bcc7b8083963cf7d2025-02-05T08:25:18ZfasSoil Conservation and Watershed Management Research Institute (SCWMRI)Muhandisī va mudirīyyat-i ābkhīz2251-93002322-536X2023-11-0115463965410.22092/ijwmse.2023.360792.2003129203ارزیابی تاثیر توابع هدف غیرهمسو در واسنجی چندهدفه مدل هیدرولوژیکی SWAT، مطالعه موردی: حوزه آبخیز قره‌سو کرمانشاهاشکان بنی خدمت0حسین صالحی1سعید گلیان2فرشاد کوهیان افضل3نازنین عزتی بورستان4دانشجوی دکتری، مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، ایران و کارشناس برنامه ریزی طرح های شرکت آب و فاضلاب استان گیلان، ایرانکارشناس ارشد، مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، ایراندانشیار گروه مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، ایران و محقق ارشد، دانشکده جغرافی، دانشگاه مینوث، ایرلنددکتری هیدرولوژی و منابع آب، موسسه تحقیقات آب، تهران، ایراندانشجوی دکتری، مهندسی ژئوتکنیک، دانشکده مهندسی عمران، دانشگاه محقق اردبیلی، ایرانمقدمه یکی از راه‌های برآورد مقدار رواناب حاصل از بارش، استفاده از مدلهای هیدرولوژیکی است. مدل SWAT، یکی از ابزارهای پرکاربرد در سطح حوزه آبخیز در شبیهسازی کمیت و کیفیت آب است. این مدل، یک مدل مفهومی است که قادر است حوضه‌‌های بزرگ با سناریوهای مدیریتی مختلف را شبیهسازی کند. از جمله چالش‌های مهم مدل مذکور و بسیاری از مدلهای هیدرولوژیکی، واسنجی پارامترهای موثر و حساس در برآورد مقدار رواناب است. به‌طور کلی، روش‌های واسنجی را میتوان به دو گروه دستی و خودکار تقسیم کرد. واسنجی یک مدل به‌صورت دستی، نیازمند این است که مدل‌ساز، شناخت خوبی نسبت به فیزیک مدل داشته باشد. از سویی، به‌دلیل وقت‌گیر بودن و پیچیدگی‌های موجود و همچنین، توسعه الگوریتم‌‌های جدید بهینه‌‌سازی، امروزه واسنجی خودکار بیشتر مورد توجه قرار گرفته است. واسنجی خودکار بر پایه سه مولفه تابع هدف، الگوریتم بهینه‌‌سازی و اطلاعات ایستگاه‌ها بنا شده است. استفاده از یک تابع هدف در واسنجی یک مدل ممکن است موجب افزایش خطا در برخی دیگر از جنبه‌های شبیهسازی شود و همچنین، تجربه‌های علمی در زمینه واسنجی تک‌‌هدفه نشان داده است که هیچ تابع هدفی هرچند با کارایی بالا، به تنهایی نمی‌‌تواند ویژگی‌ها و خصوصیات حوضه را به درستی نشان دهد. لذا، به‌‌کارگیری راه‌‌حل بهینه‌‌سازی مناسب به‌‌منظور بهبود نتایج واسنجی شامل استفاده از یک الگوریتم بهینه‌‌سازی مناسب با چندین تابع هدف، برای شناسایی مجموعه جواب‌‌های کارآمد است. مواد و روش‌‌ها حوزه آبخیز مورد مطالعه در غرب ایران و در استان کرمانشاه، با مساحت 5467 کیلومتر مربع، واقع شده است. کمینه و بیشینه ارتفاع آن، 1275 و 3360 متر است. متوسط بارندگی حوضه، حدود 505 میلی‌متر بوده است که بیشترین بارش در ماه‌های آبان و آذر و کمترین بارش در ماه‌های تیر و مرداد رخ می‌دهد و سه رودخانه اصلی مرک، قره‌سو و رازآور در این حوضه جریان دارند. در این پژوهش، مدل بارش-رواناب SWAT، با استفاده از الگوریتم NSGA-II تحت سه سناریو واسنجی شد. برای واسنجی این مدل، در سناریوی اول، از تابع هدف NSE که به جریان‌‌های بیشینه توجه دارد، استفاده شد. در سناریوی دوم، برای تمرکز بر جریان‌‌های کمینه، پس از تبدیل لگاریتمی دو سری جریان رواناب شبیهسازی شده و مشاهداتی، ضریب کارایی NSE به‌عنوان تابع هدف اتخاذ شد که به‌صورت LogNSE نمایش داده می‌‌شود. سناریوی آخر، تلفیقی از دو سناریوی اول و دوم بود. به‌‌طوری که توابع هدف غیرهمسوی NSE و LogNSE به‌صورت همزمان مورد استفاده قرار گرفتند. نتایج و بحث نتایج این پژوهش، نشان داد که با توجه به مقادیر شاخص ارزیابی NSE برابر با 0.83، 0.74 و 0.83 برای سناریوهای اول تا سوم و بیش برآوردی مدل و بررسی نمودار جریان در سناریوی اول و تمایل بیشتر برای حرکت به سمت دبی‌‌های بالا، این سناریو برای برآورد جریان‌‌های بیشینه، کارآمدتر خواهد بود. همچنین، با توجه به شاخص ارزیابی LogNSE، مقادیر 0.69، 0.74 و 0.72 برای سناریوهای اول تا سوم، سناریوی دوم با تک هدف LogNSE در دبی‌‌های کمینه، عملکرد بهتری دارد. اما مدل ساخته شده با استفاده از دو تابع هدف غیرهمسو، سعی بر ایجاد توازن داشته است و عملکرد مطلوبی در تخمین همزمان رواناب‌های بیشینه و کمینه دارد. نتیجه‌گیری به‌طور کلی میتوان گفت، در صورتی‌که هدف مطالعه بررسی دبی‌‌های بیشینه و کمینه، یعنی مطالعات سیلاب یا خشکسالی باشد، الگوریتم‌‌های تک هدفه عملکرد مطلوب‌‌تری خواهند داشت. در صورتی‌که با هدف کنترل بیلان آبی و عملکرد مطلوب یک مدل در دو سوی دبی‌‌های بیشینه و کمینه، مدلسازی انجام شود، سناریوی دو هدفه با رویکرد غیرهمسو می‌‌تواند نتیجه بهتری نسبت به الگوریتم‌‌های تک هدفه داشته باشد.https://jwem.areeo.ac.ir/article_129203_88253bf9f3cdc33b7f5a8a40561ce806.pdfالگوریتم ژنتیکسناریوی دو هدفهشبیه‌‌سازی بارش-روانابصحت‌‌سنجیnsga-ii |
| spellingShingle | اشکان بنی خدمت حسین صالحی سعید گلیان فرشاد کوهیان افضل نازنین عزتی بورستان ارزیابی تاثیر توابع هدف غیرهمسو در واسنجی چندهدفه مدل هیدرولوژیکی SWAT، مطالعه موردی: حوزه آبخیز قره‌سو کرمانشاه Muhandisī va mudirīyyat-i ābkhīz الگوریتم ژنتیک سناریوی دو هدفه شبیهسازی بارش-رواناب صحت‌‌سنجی nsga-ii |
| title | ارزیابی تاثیر توابع هدف غیرهمسو در واسنجی چندهدفه مدل هیدرولوژیکی SWAT، مطالعه موردی: حوزه آبخیز قره‌سو کرمانشاه |
| title_full | ارزیابی تاثیر توابع هدف غیرهمسو در واسنجی چندهدفه مدل هیدرولوژیکی SWAT، مطالعه موردی: حوزه آبخیز قره‌سو کرمانشاه |
| title_fullStr | ارزیابی تاثیر توابع هدف غیرهمسو در واسنجی چندهدفه مدل هیدرولوژیکی SWAT، مطالعه موردی: حوزه آبخیز قره‌سو کرمانشاه |
| title_full_unstemmed | ارزیابی تاثیر توابع هدف غیرهمسو در واسنجی چندهدفه مدل هیدرولوژیکی SWAT، مطالعه موردی: حوزه آبخیز قره‌سو کرمانشاه |
| title_short | ارزیابی تاثیر توابع هدف غیرهمسو در واسنجی چندهدفه مدل هیدرولوژیکی SWAT، مطالعه موردی: حوزه آبخیز قره‌سو کرمانشاه |
| title_sort | ارزیابی تاثیر توابع هدف غیرهمسو در واسنجی چندهدفه مدل هیدرولوژیکی swat، مطالعه موردی حوزه آبخیز قره‌سو کرمانشاه |
| topic | الگوریتم ژنتیک سناریوی دو هدفه شبیهسازی بارش-رواناب صحت‌‌سنجی nsga-ii |
| url | https://jwem.areeo.ac.ir/article_129203_88253bf9f3cdc33b7f5a8a40561ce806.pdf |
| work_keys_str_mv | AT ạsẖḵạnbnykẖdmt ạrzyạbytạtẖyrtwạbʿhdfgẖyrhmswdrwạsnjycẖndhdfhmdlhydrwlwzẖyḵyswatmṭạlʿhmwrdyḥwzhậbkẖyzqrhswḵrmạnsẖạh AT ḥsynṣạlḥy ạrzyạbytạtẖyrtwạbʿhdfgẖyrhmswdrwạsnjycẖndhdfhmdlhydrwlwzẖyḵyswatmṭạlʿhmwrdyḥwzhậbkẖyzqrhswḵrmạnsẖạh AT sʿydglyạn ạrzyạbytạtẖyrtwạbʿhdfgẖyrhmswdrwạsnjycẖndhdfhmdlhydrwlwzẖyḵyswatmṭạlʿhmwrdyḥwzhậbkẖyzqrhswḵrmạnsẖạh AT frsẖạdḵwhyạnạfḍl ạrzyạbytạtẖyrtwạbʿhdfgẖyrhmswdrwạsnjycẖndhdfhmdlhydrwlwzẖyḵyswatmṭạlʿhmwrdyḥwzhậbkẖyzqrhswḵrmạnsẖạh AT nạznynʿztybwrstạn ạrzyạbytạtẖyrtwạbʿhdfgẖyrhmswdrwạsnjycẖndhdfhmdlhydrwlwzẖyḵyswatmṭạlʿhmwrdyḥwzhậbkẖyzqrhswḵrmạnsẖạh |