‫ﭘﻨﺠﻤﻴﻦ ﻛﻨـﮕﺮه ﻣﻠﻲ ﻣﻬﻨـﺪﺳﻲ ﻋﻤـﺮان‬

‫‪ 14‬ﺗﺎ ‪ 16‬اردﻳﺒﻬﺸﺖ ‪ ،1389‬داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ ﻣﺸﻬﺪ‪ ،‬ﻣﺸﻬﺪ ‪ ،‬اﻳﺮان‬

‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺧﻮدﻛﺎر ﻣﺪل ﻣﻔﻬﻮﻣﻲ ‪HEC-HMS‬‬

‫روﻳﻜﺮد ﺷﺒﻴﻪﺳﺎزي‪-‬ﺑﻬﻴﻨﻪﺳﺎزي‬

‫ﺑﻬﺎره ﻛﻤﺎﻟﻲ‪ ،‬ﺳﻴﺪ ﺟﻤﺸﻴﺪ ﻣﻮﺳﻮي‬

‫‪ -1‬داﻧﺸﺠﻮي ﻛﺎرﺷﻨﺎﺳﻲ ارﺷﺪ‪ ،‬داﻧﺸﻜﺪه ﻋﻤﺮان و ﻣﺤﻴﻂ زﻳﺴﺖ‪ ،‬داﻧﺸﮕﺎه ﺻﻨﻌﺘﻲ اﻣﻴﺮﻛﺒﻴﺮ‬
‫‪ -2‬داﻧﺸﻴﺎر داﻧﺸﻜﺪه ﻋﻤﺮان و ﻣﺤﻴﻂ زﻳﺴﺖ‪ ،‬داﻧﺸﮕﺎه ﺻﻨﻌﺘﻲ اﻣﻴﺮﻛﺒﻴﺮ‬

‫‪Kamalicivil@aut.ac.ir‬‬
‫‪jmosavi@aut.ac.ir‬‬

‫ﺧﻼﺻﻪ‬
‫ﻣﺪل ﻣﻔﻬﻮﻣﻲ ‪ HEC-HMS‬از راﻳﺠﺘﺮﻳﻦ ﻣﺪلﻫﺎي ﻫﻴﺪروﻟﻮژﻳﻜﻲ در ﻣﺪﻟﺴﺎزي ﺑﺎرش‪ -‬رواﻧﺎب اﺳﺖ ﻛﻪ داراي ﺗﻌﺪاد ﻗﺎﺑﻞ ﺗﻮﺟﻬﻲ ﭘﺎراﻣﺘﺮﻫﺎي ﺣﺴﺎس‬
‫ﻣﺮﺗﺒﻂ ﺑﺎ ﻓﺮآﻳﻨﺪﻫﺎي ﻧﻔﻮذ‪ ،‬روﻧﺪﻳﺎﺑﻲ و ﺗﺒﺪﻳﻞ ﺑﺎرش ﺑﻪ رواﻧﺎب ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ ﻋﻤﻠﻜﺮد ﻣﻨﺎﺳﺐ ﻣﺪل ﺑﻪ ﻧﺤﻮه ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﭘﺎراﻣﺘﺮﻫﺎي آن ﺑﻪ ﻣﻨﻈﻮر‬
‫ﺗﻄﺎﺑﻖ ﻫﺮﭼﻪ ﺑﻴﺸﺘﺮ ﺑﻴﻦ ﻧﺘﺎﻳﺞ ﭘﻴﺶﺑﻴﻨﻲ ﻣﺪل ﺑﺎ دادهﻫﺎي ﻣﺸﺎﻫﺪاﺗﻲ ﺑﺴﺘﮕﻲ دارد‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ دﺷﻮاري ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺑﺎ روشﻫﺎي ﻣﺒﺘﻨﻲ ﺑﺮ ﺳﻌﻲ و ﺧﻄﺎ‪،‬‬
‫اﺳﺘﻔﺎده از روشﻫﺎي ﺑﻬﻴﻨﻪﺳﺎزي ﺑﻪ ﻣﻨﻈﻮر ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺧﻮدﻛﺎر ﻣﺪلﻫﺎي ﻫﻴﺪروﻟﻮژﻳﻚ ﻣﻄﺮح اﺳﺖ‪ .‬از ﻃﺮﻓﻲ ﺧﺼﻮﺻﻴﺎت ﻣﺨﺘﻠﻔﻲ ﻧﻈﻴﺮ ﺣﺠﻢ‬
‫رواﻧﺎب‪ ،‬دﺑﻲ ﺣﺪاﻛﺜﺮ و زﻣﺎن ﻣﺘﻨﺎﻇﺮ ﺑﺎ دﺑﻲ ﺣﺪاﻛﺜﺮ ﻣﻤﻜﻦ اﺳﺖ ﻣﺒﻨﺎي ﺳﻨﺠﺶ ﻛﺎراﻳﻲ ﻣﺪل ﺑﻬﻴﻨﻪ ﺳﺎزي در ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺧﻮدﻛﺎر ﺑﺎﺷﺪ‪ .‬اﻳﻦ اﻣﺮ ﺳﺒﺐ‬
‫ﺗﻴﺪﻳﻞ ﻣﺪل ﺑﻪ ﻳﻚ ﻣﺴﺎﻟﻪ ﺑﻬﻴﻨﻪ ﺳﺎزي ﭼﻨﺪﻫﺪﻓﻪ ﻣﻲﮔﺮدد‪ .‬در اﻳﻦ ﺗﺤﻘﻴﻖ ﺑﺎ اﺗﺼﺎل ﻣﺪل ‪ HEC-HMS‬ﺑﻪ اﻟﮕﻮرﻳﺘﻢ ﻓﺮاﻛﺎوﺷﻲ ﺑﻬﻴﻨﻪﺳﺎزي ‪ PSO‬ﻣﻘﺎدﻳﺮ‬
‫ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺪل ﺑﺎ ﻫﺪف ﺣﺪاﻗﻞﺳﺎزي ﺧﻄﺎي ﭘﻴﺶﺑﻴﻨﻲ ﻣﺪل ﺑﺎ ﻣﺪلﻫﺎي ﺗﻚ و ﭼﻨﺪ ﻫﺪﻓﻪ ﺑﺮآورد ﺷﺪه اﺳﺖ‪ .‬ﻣﻄﺎﻟﻌﻪ ﻣﻮردي ﺑﺮ روي ﺣﻮﺿﻪ ﺗﻤﺮ از‬
‫زﻳﺮﺣﻮﺿﻪﻫﺎي ﺳﺪ ﮔﺮﮔﺎﻧﺮود اﻧﺠﺎم ﮔﺮﻓﺘﻪ اﺳﺖ‪ .‬ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ ﺑﻴﺎﻧﮕﺮ اﻫﻤﻴﺖ اﻧﺘﺨﺎب ﺗﺎﺑﻊ ﻫﺪف در ﻣﻘﺎدﻳﺮ ﺑﻬﻴﻨﻪ از ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺪل ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫ﻛﻠﻤﺎت ﻛﻠﻴﺪي‪ :‬ﻣﺪل ﻫﻴﺪروﻟﻮژﻳﻜﻲ ‪ ، HEC-HMS‬اﻟﮕﻮرﻳﺘﻢ ‪ ،PSO‬ﺑﻬﻴﻨﻪﺳﺎزي ﭼﻨﺪﻫﺪﻓﻪ‬

‫‪ .1‬ﻣﻘﺪﻣﻪ‬

‫ﺑﻬﺮهﺑﺮداري و اﺳﺘﻔﺎده ﻣﻄﻠﻮب از ﻣﻨﺎﺑﻊ آب و ﻣﺪﻳﺮﻳﺖ ﺑﻬﻴﻨﻪ آن ﻣﺴﺘﻠﺰم ﺷﻨﺎﺧﺖ ﺑﻬﺘﺮ ﻣﺪل ﻫﻴﺪروﻟﻮژﻳﻜﻲ اﺳﺖ‪ .‬ﺑﺎرش و ﺑﻪ دﻧﺒﺎل آن ﺗﺸﻜﻴﻞ رواﻧﺎب ﺳﻄﺤﻲ‬
‫از ﻓﺎزﻫﺎي ﻣﻬﻢ ﭼﺮﺧﻪ ﻫﻴﺪروﻟﻮژﻳﻜﻲ ﻣﺤﺴﻮب ﻣﻲﺷﻮد و اﺳﺎس ﻛﺎر ﻣﺪل ﻫﻴﺪروﻟﻮژﻳﻜﻲ‪ ،‬ﺑﺮرﺳﻲ راﺑﻄﻪ ﺑﻴﻦ ﺑﺎرش و رواﻧﺎب اﺳﺖ‪.‬ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن دﺳﺘﻲ ﻣﺪل‪-‬‬
‫ﻫﺎي ﻫﻴﺪروﻟﻮژﻳﻜﻲ از اواﻳﻞ دﻫﻪ ‪ 1960‬ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ‪ ،‬وﻟﻲ ﺑﻪ دﻟﻴﻞ وﻗﺖﮔﻴﺮ ﺑﻮدن و ﭘﻴﭽﻴﺪﮔﻲ آن‪ ،‬از اواﺧﺮ دﻫﻪ ﻣﺬﻛﻮر ﺑﺤﺚ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن‬
‫ﺧﻮدﻛﺎر ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار ﮔﺮﻓﺖ‪ .‬ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺧﻮدﻛﺎر ﻧﻴﺎزﻣﻨﺪ اﻧﺘﺨﺎب ﻳﻚ ﺗﺎﺑﻊ ﻫﺪف ﻣﻨﺎﺳﺐ‪ ،‬ﻳﻚ اﻟﮕﻮرﻳﺘﻢ ﺟﺴﺘﺠﻮ و ﻳﻚ ﻣﻌﻴﺎر ﺑﺮاي ﺑﻪ اﺗﻤﺎم رﺳﺎﻧﺪن‬
‫اﻟﮕﻮرﻳﺘﻢ اﺳﺖ‪ .‬در دﻫﻪﻫﺎي اول‪ ،‬ﻧﺘﺎﻳﺞ اﺳﺘﻔﺎده از اﻳﻦ روش ﭼﻨﺪان ﻣﻮﻓﻘﻴﺖآﻣﻴﺰ ﻧﺒﻮده اﺳﺖ ]‪ .[1‬از ﻳﻚ ﻃﺮف در ﺑﺴﻴﺎري از ﻣﻮاﻗﻊ ﭘﺎراﻣﺘﺮﻫﺎي ﺑﻪ دﺳﺖ‪-‬‬
‫آﻣﺪه از ﻧﻈﺮ ﻣﻔﻬﻮﻣﻲ ﭼﻨﺪان واﻗﻌﻲ ﻧﺒﻮده اﺳﺖ‪ ،‬از ﻃﺮف دﻳﮕﺮ ﻋﻤﻠﻜﺮد ﻣﺪل ﺑﺮ روي دادهﻫﺎي ﻣﺨﺘﻠﻒ ﻣﺘﻔﺎوت ﺑﻮده و ﻧﺘﺎﻳﺞ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻧﻴﺰ ﻣﺘﺎﺛﺮ از داده‪-‬‬
‫ﻫﺎي اﻧﺘﺨﺎب ﺷﺪه‪ ،‬ﺣﺪس اوﻟﻴﻪ ﺑﺮاي ﭘﺎراﻣﺘﺮﻫﺎ‪ ،‬ﺗﺎﺑﻊ ﻫﺪف و ﻓﺮاﻳﻨﺪ ﺟﺴﺘﺠﻮ ﺑﻮده اﺳﺖ ]‪.[2‬‬
‫ﺗﺠﺮﺑﻪﻫﺎي ﻋﻤﻠﻲ در زﻣﻴﻨﻪ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻣﺪلﻫﺎي ﺗﻚ ﻫﺪﻓﻪ ﻧﺸﺎن داده اﺳﺖ ﻛﻪ ﻫﻴﭻ ﺗﺎﺑﻊ ﻫﺪف ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮدي ﻫﺮﭼﻨﺪ ﻫﻢ ﺑﺎ دﻗﺖ ﺑﺎﻻ ﺑﻪ ﺗﻨﻬﺎﻳﻲ‬
‫ﻧﻤﻲﺗﻮاﻧﺪ ﻣﻬﻢﺗﺮﻳﻦ ﺧﺼﻮﺻﻴﺎت ﺣﻮﺿﻪ را ﻧﺸﺎن دﻫﺪ و ﻣﻘﺪار دادهﻫﺎي ﻫﺮ ﺣﻮﺿﻪ ﻣﺤﺪودﻳﺖﻫﺎي زﻳﺎدي را در ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻣﺪل اﻳﺠﺎد ﻣﻲﻛﻨﺪ ] ‪ .[3‬در ﻃﻲ‬
‫ﻓﺮاﻳﻨﺪ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن‪ ،‬ﺗﺎﺑﻊ ﻫﺪف ﻣﺴﺎﻟﻪ ﺑﺎﻳﺪ از ﻧﻈﺮ دﺑﻲ ﭘﻴﻚ‪ ،‬زﻣﺎن رﺳﻴﺪن ﺑﻪ دﺑﻲ ﭘﻴﻚ‪ ،‬ﺣﺠﻢ دﺑﻲ‪ ،‬ﻧﺮخ رﺳﻴﺪن ﺑﻪ دﺑﻲ ﭘﻴﻚ‪ ،‬ﺷﻜﻞ ﻛﻠﻲ ﻫﻴﺪروﮔﺮاف ﺑﺎ‬
‫دادهﻫﺎي ﻣﺸﺎﻫﺪاﺗﻲ ﻣﻄﺎﺑﻘﺖ داﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬از اﻳﻦ رو ﻻزم اﺳﺖ ﻳﻚ ﺗﺒﺎدل ﻣﻨﺎﺳﺐ ﺑﻴﻦ ﻋﻤﻠﻜﺮد ﺗﺎﺑﻊ ﻫﺪفﻫﺎي ﻣﺨﺘﻠﻒ ﺑﺮﻗﺮار ﺑﺎﺷﺪ‪ .‬اﻳﻦ ﻓﺮاﻳﻨﺪ ﺑﺎ اﺳﺘﻔﺎده از‬
‫ﻣﺪﻟﺴﺎزي ﭼﻨﺪﻫﺪﻓﻪ اﻣﻜﺎنﭘﺬﻳﺮ اﺳﺖ و ﻧﺘﺎﻳﺞ اﻳﻦ ﮔﻮﻧﻪ ﺗﺤﻘﻴﻘﺎت در ﻛﺎرﻫﺎي )‪ Yap et al(1997‬و )‪ Madsen (2000‬ﻣﻲﺗﻮان ﻳﺎﻓﺖ ]‪5‬و‪.[4‬‬
‫در اﻳﻦ ﺗﺤﻘﻴﻖ اﺑﺘﺪا ﻣﺒﺤﺚ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺗﻚ ﻫﺪﻓﻪ ﺑﺎ ﺳﻨﺎرﻳﻮﻫﺎي ﻣﺨﺘﻠﻒ ﺑﺮ ﺣﻮﺿﻪ آﺑﺮﻳﺰ ﺗﻤﺮ از زﻳﺮﺣﻮﺿﻪﻫﺎي ﺳﺪ ﮔﻠﺴﺘﺎن اﻋﻤﺎل ﻣﻲﺷﻮد‪ .‬در‬
‫ﻣﺮﺣﻠﻪ ﺑﻌﺪي ارزﻳﺎﺑﻲ ﻧﺘﺎﺑﺞ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺑﺎ ﻣﻌﻴﺎرﻫﺎي ﻋﻤﻠﻜﺮد و ﺻﺤﺖ ﺳﻨﺠﻲ ﻣﺪل ﺑﺮرﺳﻲ ﻣﻲﺷﻮد‪ .‬در اداﻣﻪ ﻣﺪل ﻣﻮرد ﻧﻈﺮ ﺑﻪ ﺻﻮرت ﻳﻚ ﻣﺴﺎﻟﻪ ﺑﻬﻴﻨﻪ‪-‬‬
‫ﺳﺎزي ﻣﻘﻴﺪ ﺑﺎ در ﻧﻈﺮﮔﺮﻓﺘﻦ دو ﻣﻌﻴﺎر ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ‪ .‬ﻣﻌﻴﺎر ﺗﺎﺑﻊ ‪ RMSE‬ﺑﻪ ﻫﻤﺮاه ﻗﻴﺪ اﺧﺘﻼف دﺑﻲ ﭘﻴﻚ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ و ﻧﺘﺎﻳﺞ‬
‫ﺣﺎﺻﻞ از ﻫﺮ دو روﻳﻜﺮد ﺗﻚ ﻫﺪﻓﻪ و ﭼﻨﺪﻫﺪﻓﻪ ﻣﻘﻴﺪ اراﺋﻪ ﻣﻲﺷﻮد‪.‬‬
 ‫ﭘﻨﺠﻤﻴﻦ ﻛﻨـﮕﺮه ﻣﻠﻲ ﻣﻬﻨـﺪﺳﻲ ﻋﻤـﺮان‬
‫‪ 14‬ﺗﺎ ‪ 16‬اردﻳﺒﻬﺸﺖ ‪ ،1389‬داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ ﻣﺸﻬﺪ‪ ،‬ﻣﺸﻬﺪ ‪ ،‬اﻳﺮان‬

‫‪ .2‬ﻣﺪل ‪ HEC-HMS‬و ﻣﻄﺎﻟﻌﻪ ﻣﻮردي‬

‫ﻣﺪل ﻛﺎﻣﭙﻴﻮﺗﺮي )‪ ،[6] HEC-HMS (Hydrologic Engineering Center- Hydrologic Modeling System‬ﻧﺴﺨﻪ ﺟﺪﻳﺪ ﻣﺪل‪ ،HEC-1‬ﺑﺮاي ﺷﺒﻴﻪ ﺳﺎزي‬
‫ﺑﺎرش‪ -‬رواﻧﺎب از اوﻟﻴﻦ ﺳﺮي ﻧﺮماﻓﺰارﻫﺎي ﺗﻬﻴﻪ ﺷﺪه ﺗﻮﺳﻂ ﻣﺮﻛﺰ ﻫﻴﺪروﻟﻮژي ﻣﻬﻨﺪﺳﻲ اﻣﺮﻳﻜﺎ در ﺳﺎل ‪ 1968‬ﺑﻮده اﺳﺖ‪ .‬اﻳﻦ ﻣﺪل‪ ،‬ﺣﻮﺿﻪ آﺑﺨﻴﺰ را ﺑﻪ‬
‫ﻋﻨﻮان ﻳﻚ ﺳﻴﺴﺘﻢ ﺑﻪ ﻫﻢ ﭘﻴﻮﺳﺘﻪ ﺑﺎ ﻣﻮﻟﻔﻪﻫﺎي ﻫﻴﺪروﻟﻮژﻳﻜﻲ و ﻫﻴﺪروﻟﻴﻜﻲ ﻧﻤﺎﻳﺶ ﻣﻲدﻫﺪ‪ .‬ﻫﺮ ﻣﻮﻟﻔﻪ ﻣﺪل ﻳﻚ ﺟﻨﺒﻪ از ﻓﺮاﻳﻨﺪ ﺑﺎرش‪ -‬رواﻧﺎب را در داﺧﻞ‬
‫ﺑﺨﺸﻲ از ﺣﻮﺿﻪ ﻛﻪ ﻣﻌﻤﻮﻻً ﺑﻪ ﻋﻨﻮان زﻳﺮﺣﻮﺿﻪ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮد‪ ،‬ﺷﺒﻴﻪﺳﺎزي ﻣﻲﻛﻨﺪ‪ .‬ﺑﻪ ﻋﺒﺎرت دﻳﮕﺮ ﻣﻮﻟﻔﻪﻫﺎي ﻣﺨﺘﻠﻔﻲ ﺑﺮاي ﺷﺒﻴﻪﺳﺎزي ﺳﻴﺴﺘﻢ‬
‫ﻓﻴﺰﻳﻜﻲ ﺣﻮﺿﻪ ﺗﺮﻛﻴﺐ ﻣﻲﺷﻮﻧﺪ و ﻫﺮ ﻣﻮﻟﻔﻪ ﻗﺴﻤﺘﻲ از ﻣﺤﺎﺳﺒﺎت ﻻزم را ﺑﺮاي ﻳﻚ ﻫﻴﺪروﮔﺮاف ﻛﺎﻣﻞ اﻧﺠﺎم ﻣﻲدﻫﺪ‪ .‬ﺷﻜﻞ ‪ 1‬ﻧﺤﻮه ﻣﺪﻟﺴﺎزي ﺣﻮﺿﻪ ﻣﻮرد‬
‫ﻣﻄﺎﻟﻌﻪ را در اﻳﻦ ﻧﺮماﻓﺰار ﻧﺸﺎن ﻣﻲدﻫﺪ ] ‪ .[6‬در اﻳﻦ ﺗﺤﻘﻴﻖ از ﻧﺴﺨﻪ ‪ 3.2‬اﻳﻦ ﻧﺮماﻓﺰار اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪.‬‬
‫در اﻳﻦ ﺗﺤﻘﻴﻖ‪ ،‬ﺣﻮﺿﻪ آﺑﺮﻳﺰ ﺳﺪ ﮔﻠﺴﺘﺎن ﺑﻪ دﻟﻴﻞ اﻳﻦ ﻛﻪ در ﺳﺎلﻫﺎي اﺧﻴﺮ دﭼﺎر ﺳﻴﻼبﻫﺎي ﻣﺨﺮﺑﻲ ﺷﺪه اﺳﺖ‪ ،‬ﻣﻮرد ﺗﻮﺟﻪ اﺳﺖ‪ .‬ﺣﻮﺿﻪﻫﺎي‬
‫اﺳﺘﺎن ﮔﻠﺴﺘﺎن از ﺟﻤﻠﻪ ﻣﻨﺎﻃﻖ ﺳﻴﻞﺧﻴﺰ ﻛﺸﻮر ﻣﺤﺴﻮب ﻣﻲﺷﻮد‪ .‬وﺟﻮد ﺷﻬﺮﻫﺎ و روﺳﺘﺎﻫﺎي واﻗﻊ در ﻣﺴﻴﺮ رودﺧﺎﻧﻪ آﺳﻴﺐ ﭘﺬﻳﺮي در ﺑﺮاﺑﺮ وﻗﻮع ﺳﻴﻞ را‬
‫اﻓﺰاﻳﺶ داده اﺳﺖ‪ .‬از ﻃﺮﻓﻲ ﺑﻪ ﻋﻠﺖ ﻛﻤﺒﻮد اﻳﺴﺘﮕﺎهﻫﺎي ﻫﻴﺪروﻣﺘﺮي و اﻳﺴﺘﮕﺎهﻫﺎي ﺑﺎرانﺳﻨﺠﻲ‪ ،‬اﻳﻦ ﺣﻮﺿﻪ ﺑﻪ ﺷﺪت از ﻓﻘﺮ داده رﻧﺞ ﻣﻲﺑﺮد و اﻣﻜﺎن‬
‫ﺑﺮرﺳﻲ ﺳﻴﻼب ﻫﺎي آن ﺑﺮ اﺳﺎس اﻃﻼﻋﺎت ﻣﻮﺟﻮد ﻣﻤﻜﻦ ﻧﻴﺴﺖ‪ .‬ﻟﺬا ﺑﺎﻳﺪ از ﻣﺪلﻫﺎي ﻫﻴﺪروﻟﻮژﻳﻜﻲ در اﻳﻦ ﺣﻮﺿﻪ اﺳﺘﻔﺎده ﻛﺮد ﺗﺎ ﺑﺘﻮان اﺛﺮات ﺳﻴﻞﺧﻴﺰي‬
‫و ﻫﻴﺪروﮔﺮافﻫﺎي ﺳﻴﻞ را ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار داد و ﺑﻪ دﻧﺒﺎل آن ﭘﻴﺶﺑﻴﻨﻲﻫﺎي ﻻزم ﺑﺮاي ﻛﺎﻫﺶ ﺧﺴﺎرت ﻧﺎﺷﻲ از آن اﻧﺠﺎم داد‪ .‬اﻳﻦ ﺣﻮﺿﻪ داراي ﺳﻪ‬
‫ﺣﻮﺿﻪ اﺻﻠﻲ ﺗﻤﺮ‪ ،‬ﺗﻨﮕﺮاه و ﮔﻠﺴﺘﺎن ﺑﻮده ﻛﻪ در اﻳﻦ ﺗﺤﻘﻴﻖ ﺣﻮﺿﻪ ﺗﻤﺮ ﺑﻪ دﻟﻴﻞ داﺷﺘﻦ اﻃﻼﻋﺎت ﻣﻨﺎﺳﺒﺘﺮ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ ] ‪.[7‬‬

‫ﺟﺪول‪ -1-‬ﺣﺪود ﺑﺎﻻ و ﭘﺎﻳﻴﻦ ﭘﺎراﻣﺘﺮﻫﺎي ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن‬

‫ﭘﺎراﻣﺘﺮ‬ ‫زﻳﺮﺣﻮﺿﻪ‬ ‫ﺣﺪﺑﺎﻻ ﺣﺪﭘﺎﻳﻴﻦ‬

‫زﻳﺮﺣﻮﺿﻪ‪1‬‬ ‫‪91‬‬ ‫‪60‬‬

‫زﻳﺮ ﺣﻮﺿﻪ ‪2‬‬ ‫‪91‬‬ ‫‪61‬‬
‫زﻳﺮ ﺣﻮﺿﻪ‪3‬‬ ‫‪87‬‬ ‫‪58‬‬
‫ﻋﺪد ﻣﻨﺤﻨﻲ رواﻧﺎب‬
‫زﻳﺮ ﺣﻮﺿﻪ‪4‬‬ ‫‪85‬‬ ‫‪60‬‬
‫)‪(1-7‬‬
‫زﻳﺮ ﺣﻮﺿﻪ‪5‬‬ ‫‪84‬‬ ‫‪50‬‬
‫زﻳﺮ ﺣﻮﺿﻪ‪6‬‬ ‫‪91‬‬ ‫‪70‬‬
‫زﻳﺮﺣﻮﺿﻪ‪7‬‬ ‫‪91‬‬ ‫‪70‬‬

‫ﮔﻴﺮش اوﻟﻴﻪ)‪(14-8‬‬ ‫‪ 7‬زﻳﺮ ﺣﻮﺿﻪ‬ ‫‪0/15S‬‬ ‫‪0/25S‬‬

‫ﺿﺮﻳﺐ ذﺧﻴﺮه )‪(21-15‬‬ ‫‪7‬زﻳﺮ ﺣﻮﺿﻪ‬ ‫‪0/2‬‬ ‫‪0/6‬‬
‫ﻣﺎﺳﻜﻴﻨﮕﺎم )‪(24-22‬‬ ‫ﺳﻪ ﺑﺎزه‬ ‫‪0/2‬‬ ‫‪0/5‬‬
‫ﺷﻜﻞ‪ -1-‬ﺷﻤﺎﺗﻴﻚ ﻣﺪﻟﺴﺎزي ﺣﻮﺿﻪ در ‪HEC-HMS‬‬

‫ﺣﻮﺿﻪ ﺗﻤﺮ داراي ‪ 11‬زﻳﺮ ﺣﻮﺿﻪ ﺑﻮده ﻛﻪ ﻓﻘﻂ ‪ 7‬زﻳﺮﺣﻮﺿﻪ ﺑﻪ ﮔﺮه ‪ J 3‬وارد ﻣﻲﺷﻮد )ﺷﻜﻞ‪ .(1-‬ﻫﺮ زﻳﺮ ﺣﻮﺿﻪ ﺳﻪ ﭘﺎراﻣﺘﺮ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن دارد‪ .‬ﭘﺎراﻣﺘﺮ اول‬
‫ﻋﺪد ﻣﻨﺤﻨﻲ رواﻧﺎب ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺗﻠﻔﺎت ﺣﻮﺿﻪ ﺑﺎ روش ‪ SCS‬ﺑﻮده ﻛﻪ ﺑﺮاي ﺗﻌﻴﻴﻦ ﺣﺪ ﺑﺎﻻ و ﭘﺎﻳﻴﻦ آن ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ دﺳﺘﻮراﻟﻌﻤﻞﻫﺎي ﺳﺎزﻣﺎن ﺣﻔﺎﻇﺖ ﺧﺎك‬
‫و اﻃﻼﻋﺎت ﻓﻴﺰﻳﻮﮔﺮاﻓﻲ ﺣﻮﺿﻪ ﻋﻤﻞ ﺷﺪه اﺳﺖ‪ .‬ﭘﺎراﻣﺘﺮ دوم ﺿﺮﻳﺐ ﺗﻠﻔﺎت ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﮔﻴﺮش اوﻟﻴﻪ ﺑﻮده اﺳﺖ‪ .‬از روش ﻛﻼرك ﺑﺮاي ﺗﺒﺪﻳﻞ ﺑﺎرش ﺑﻪ‬
‫رواﻧﺎب اﺳﺘﻔﺎده ﺷﺪه ﻛﻪ زﻣﺎن ﺗﻤﺮﻛﺰ ﺣﻮﺿﻪ اﻳﻦ روش ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ راﺑﻄﻪ ﭘﻴﺸﻨﻬﺎدي ﺳﺎزﻣﺎن ﺣﻔﺎﻇﺖ ﺧﺎك ‪ SCS‬ﺑﻪ ﺻﻮرت زﻳﺮ ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ ] ‪9‬و‪.[8‬‬

‫‪L0/ 8 * (S + 1)0/ 7‬‬

‫= ‪t lag‬‬ ‫)‪(1‬‬
‫‪1900y 0/ 5‬‬

‫راﺑﻄﻪ ﺿﺮﻳﺐ ذﺧﻴﺮه و زﻣﺎن ﺗﻤﺮﻛﺰ در ﻳﻚ ﺣﻮﺿﻪ ﺑﺮ اﺳﺎس ﺗﻮﺻﻴﻪ ‪ (1999) Krause‬ﻧﺴﺒﺖ زﻳﺮ ﭘﻴﺸﻨﻬﺎد ﺷﺪه اﺳﺖ ﻛﻪ در آن ‪ R‬ﺿﺮﻳﺐ ذﺧﻴﺮه ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫ﺛﺎﺑﺖ اﻳﻦ راﺑﻄﻪ ﺑﻴﻦ ‪ 0/2 -/6‬ﺗﻐﻴﻴﺮ ﻣﻲﻛﻨﺪ و ﺑﻪ ﻋﻨﻮان ﭘﺎراﻣﺘﺮ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺳﻮم ﺑﺮاي ﻣﺤﺎﺳﺒﻪ ﺿﺮﻳﺐ ذﺧﻴﺮه ﺑﻪ ﻛﺎر ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ ]‪.[10‬‬

‫‪R‬‬
‫‪= const‬‬ ‫)‪(2‬‬
‫‪R +Tc‬‬
 ‫ﭘﻨﺠﻤﻴﻦ ﻛﻨـﮕﺮه ﻣﻠﻲ ﻣﻬﻨـﺪﺳﻲ ﻋﻤـﺮان‬
‫‪ 14‬ﺗﺎ ‪ 16‬اردﻳﺒﻬﺸﺖ ‪ ،1389‬داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ ﻣﺸﻬﺪ‪ ،‬ﻣﺸﻬﺪ ‪ ،‬اﻳﺮان‬

‫ﺳﻪ ﻛﺎﻧﺎل اﺻﻠﻲ در ﻓﺎﺻﻠﻪ زﻳﺮ ﺣﻮﺿﻪﻫﺎ ﻃﺮاﺣﻲ و ﺟﺮﻳﺎن در آﻧﻬﺎ ﺑﺎ روش ﻣﺎﺳﻜﻴﻨﮕﺎم روﻧﺪﻳﺎﺑﻲ ﻣﻲﺷﻮﻧﺪ‪ .‬ﭘﺎراﻣﺘﺮ ‪ X‬اﻳﻦ روش ﺑﻪ ﻋﻨﻮان ﭘﺎراﻣﺘﺮ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن‬
‫در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ در ﻣﺠﻤﻮع ‪ 24‬ﭘﺎراﻣﺘﺮ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺑﺮاي اﻳﻦ ﺣﻮﺿﻪ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ‪ .‬ﺣﺪ ﺑﺎﻻ و ﭘﺎﻳﻴﻦ ﻫﺮﻳﻚ از ﭘﺎراﻣﺘﺮﻫﺎ در‬
‫ﺟﺪول‪ 1‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪ .‬ﺷﻜﻞ‪ 2‬ﻫﻴﺪروﮔﺮاف و ﻫﻴﺘﻮﮔﺮاف ﻣﺘﻮﺳﻂﮔﻴﺮي در ﺳﻄﺢ رﺧﺪادﻫﺎ و ﺟﺪول‪ 2-‬ﺧﺼﻮﺻﻴﺎت ﻫﺮ رﺧﺪاد را ﻧﺸﺎن ﻣﻲدﻫﺪ‪.‬‬

‫ﺷﻜﻞ‪ -2 -‬ﻫﻴﺘﻮﮔﺮاف و ﻫﻴﺪروﮔﺮاف رﺧﺪادﻫﺎي ﺑﺎرش‬

‫ﺟﺪول‪ -2-‬ﻣﺸﺨﺼﺎت رﺧﺪادﻫﺎي ﺑﺎرش ﻣﻨﺘﺨﺐ در ﺣﻮﺿﻪ ﺗﻤﺮ‬

‫ﺭﺩﻳﻒ‬ ‫ﺗﺎﺭﻳﺦ ﻭﻗﻮﻉ ﺳﻴﻞ‬ ‫ﺩﺑﻲ ﺍﻭﺝ‬ ‫ﺗﺪﺍﻭﻡ‬

‫‪١‬‬ ‫‪١٣٨٣/٦/٢٩‬‬ ‫‪١٢٨‬‬ ‫‪٣٠‬‬

‫‪٢‬‬ ‫‪١٣٨٤/٢/١٦‐١٧‬‬ ‫‪٢٩٩‬‬ ‫‪٢٥‬‬
‫‪٣‬‬ ‫‪١٣٨٤/٥/١٨‬‬ ‫‪٢٨٤ & ٧٨٣‬‬ ‫‪١٨‬‬
‫‪٤‬‬ ‫‪١٣٨٤/٧/١٧‬‬ ‫‪١٢٠‬‬ ‫‪١٦‬‬

‫‪ .3‬اﻟﮕﻮرﻳﺘﻢ ﺑﻬﻴﻨﻪﺳﺎزي‬

‫اﻟﮕﻮرﻳﺘﻢ ﺑﻬﻴﻨﻪﺳﺎزي ﻣﻮرد اﺳﺘﻔﺎده در اﻳﻦ ﺗﺤﻘﻴﻖ ﺑﻪ ﻣﻨﻈﻮر ﺗﻌﻴﻴﻦ ﻣﻘﺎدﻳﺮ ﺑﻬﻴﻨﻪ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺪل ‪ ،HMS‬اﻟﮕﻮرﻳﺘﻢ ‪ PSO‬ﻣﻲﺑﺎﺷﺪ‪ .‬اﻟﮕﻮرﻳﺘﻢ در اﺑﺘﺪا ﺑﺎ ﻳﻚ‬
‫ﻣﺠﻤﻮﻋﻪ )‪ (Swarm‬ﺟﻮابﻫﺎي ﺗﺼﺎدﻓﻲ ﺷﺮوع ﻣﻲﺷﻮد‪ .‬ﻫﺮ ﻋﻀﻮ اﻳﻦ ﻣﺠﻤﻮﻋﻪ‪ ،‬ذره )‪ (particle‬ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪ .‬ﻫﺪاﻳﺖ ذرات ﺑﻪ اﻳﻦ ﺻﻮرت اﻧﺠﺎم ﻣﻲﮔﻴﺮد‬
‫ﻛﻪ ﺗﻤﺎﻣﻲ ذرات ﺑﻬﺘﺮﻳﻦ ﻣﻮﻗﻌﻴﺘﻲ را ﻛﻪ در ﻃﻲ ﻓﺮاﻳﻨﺪ ﺟﺴﺘﺠﻮ ﻛﺴﺐ ﻛﺮدهاﻧﺪ ﺗﺤﺖ ﻋﻨﻮان ‪ ، Pbest‬در ﺣﺎﻓﻈﻪ ﺧﻮد ذﺧﻴﺮه ﻣﻲﻛﻨﻨﺪ‪ .‬از ﻃﺮﻓﻲ ﺑﻬﺘﺮﻳﻦ‬
‫ﻣﻮﻗﻌﻴﺘﻲ ﻛﻪ ﺗﺎ ﻫﺮ ﻣﺮﺣﻠﻪ ﺗﻮﺳﻂ ﺗﻤﺎﻣﻲ ذرات ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ ﻧﻴﺰ ﺗﺤﺖ ﻋﻨﻮان ‪ Gbest‬ﺣﻔﻆ ﻣﻲﺷﻮد‪ .‬در اﻳﻦ اﻟﮕﻮرﻳﺘﻢ ﺗﻤﺎﻣﻲ ذرات ﺑﺮ اﺳﺎس ﻳﻚ‬
‫ﻣﻴﺎﻧﮕﻴﻦ وزﻧﻲ ﺑﺎ ﻣﻮﻟﻔﻪﻫﺎي ﺗﺼﺎدﻓﻲ ﺑﻪ ﺳﻤﺖ ﺟﻮابﻫﺎي ﺑﻬﺘﺮ ﻳﻌﻨﻲ ‪ Pbest‬و ‪ Gbest‬ﺣﺮﻛﺖ ﻣﻲﻛﻨﻨﺪ ﺗﺎ در ﻧﻬﺎﻳﺖ ﺑﻪ ﻧﻘﻄﻪ واﺣﺪي ﻫﻤﮕﺮا ﺷﻮﻧﺪ‪ .‬اﮔﺮ‬
‫‪ V‬ﻧﺸﺎن داده و ﺑﻬﺘﺮﻳﻦ ﻣﻮﻗﻌﻴﺘﻲ ﻛﻪ ذره ﺗﺎﻛﻨﻮن ﺑﻪ دﺳﺖ آورده اﺳﺖ ﺑﺎ ‪Pbest ij‬‬ ‫‪ij‬‬ ‫ﻣﻮﻗﻌﻴﺖ ذره ‪ i‬ﺑﺎ ﺑﻌﺪ ‪ j‬را ﺗﻮﺳﻂ ﭘﺎراﻣﺘﺮ ‪ Pij‬و ﺳﺮﻋﺖ آن را ﺗﻮﺳﻂ‬
‫و ﺑﻬﺘﺮﻳﻦ ﻣﻮﻗﻌﻴﺘﻲ ﻛﻪ ﺗﺎﻛﻨﻮن ﺗﻮﺳﻂ ذرات ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ ﺑﺎ ‪ Gbest ij‬ﻧﺸﺎن داده ﺷﻮد‪ ،‬در ﻧﻬﺎﻳﺖ ﻫﺪاﻳﺖ ذرات ﺗﻮﺳﻂ دو راﺑﻄﻪ‪3‬و ‪ 4‬ﺻﻮرت ﻣﻲ‪-‬‬
‫ﮔﻴﺮد ]‪.[11‬‬

‫))‪V ij (t ) =W *V ij (t − 1) + C 1 * rand 1 *(Pbest ij − Pij (t − 1)) + C 1 * rand 2 *(Gbest ij − Pij (t − 1‬‬ ‫)‪( 3‬‬

‫) ‪Pij (t ) = Pij (t − 1) +V ij (t‬‬ ‫)‪(4‬‬

 ‫ﭘﻨﺠﻤﻴﻦ ﻛﻨـﮕﺮه ﻣﻠﻲ ﻣﻬﻨـﺪﺳﻲ ﻋﻤـﺮان‬
‫‪ 14‬ﺗﺎ ‪ 16‬اردﻳﺒﻬﺸﺖ ‪ ،1389‬داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ ﻣﺸﻬﺪ‪ ،‬ﻣﺸﻬﺪ ‪ ،‬اﻳﺮان‬

‫ﻳﻜﻲ از ﻧﻘﺎط ﺿﻌﻒ اﻟﮕﻮرﻳﺘﻢ ‪ PSO‬ﻫﻤﮕﺮاﻳﻲ زودرس آن اﺳﺖ‪ .‬در اﻳﻦ ﺗﺤﻘﻴﻖ از ﺗﻜﻨﻴﻚﻫﺎﻳﻲ ﺑﺮاي ﺑﻬﺒﻮد اﻳﻦ ﺿﻌﻒ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬اوﻟﻴﻦ اﺳﺘﺮاﺗﮋي‪،‬‬
‫اﻟﮕﻮرﻳﺘﻢ ‪ PSO‬ﺑﺎ آﺷﻔﺘﮕﻲ )‪ (Turbulence PSO‬ﺑﻮده ﻛﻪ ﻗﺮار دادن ﻳﻚ ﺣﺪ آﺳﺘﺎﻧﻪ ﺑﺮ ﺣﺪاﻗﻞ ﺳﺮﻋﺖ‪ ،‬ذرات ﺗﻨﺒﻞ را ﺑﻪ ﺟﺴﺘﺠﻮي ﺑﻬﺘﺮ ﻓﻀﺎي ﻣﺴﺎﻟﻪ وا ﻣﻲ‪-‬‬
‫دارد ]‪ .[12‬اﺳﺘﺮاﺗﮋي دوم ‪ PSO‬ﺑﺎ ﺟﻬﺶ ﻧﺨﺒﻪ )‪ ( PSO with Elitist Mutation‬ﻣﻲﺑﺎﺷﺪ ﻛﻪ ﺑﺎﻋﺚ ﺗﻨﻮع و ﺟﺴﺘﺠﻮي ﺑﻬﺘﺮ ﻓﻀﺎي ﻣﺴﺎﻟﻪ ﻣﻲﺷﻮد ]‪.[13‬‬

‫ﺗﺎﺑﻊ ﻫﺪف‬ ‫‪.4‬‬

‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻫﻤﻴﺖ اﻧﺘﺨﺎب ﺗﺎﺑﻊ ﻫﺪف‪ ،‬در اﻳﻦ ﺗﺤﻘﻴﻖ ﻋﻤﻠﻜﺮد ﻣﺪل ﺑﺎ ﺗﺎﺑﻊ ﻫﺪفﻫﺎي ﻣﺨﺘﻠﻒ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ‪ .‬اوﻟﻴﻦ ﺗﺎﺑﻊ ‪ RMSE‬ﻛﻪ ﻳﻜﻲ از‬
‫ﭘﺮﻛﺎرﺑﺮدﺗﺮﻳﻦ ﺗﺎﺑﻊﻫﺎ در زﻣﻴﻨﻪ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻣﺪل ﻫﻴﺪروﻟﻮژﻳﻜﻲ ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﻛﻪ ﻧﻘﺎط ﭘﻴﻚ اﻫﻤﻴﺖ ﺑﻴﺸﺘﺮي دارﻧﺪ‪ ،‬ﺿﺮﻳﺐ وزﻧﻲ ﺑﺮاي ﻧﻘﺎط ﭘﻴﻚ‬
‫ﻣﻘﺎدﻳﺮ ﺑﺰرﮔﺘﺮي در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ‪ .‬ﺗﺎﺑﻊ دوم ‪ NASH‬ﺑﻮده ﻛﻪ ﻧﺴﺒﺖ وارﻳﺎﻧﺲ ﺑﺎﻗﻴﻤﺎﻧﺪه ﺑﻪ وارﻳﺎﻧﺲ دﺑﻲﻫﺎ را ﻧﺸﺎن ﻣﻲدﻫﺪ )راﺑﻄﻪ‪ .(6-‬ﻣﻘﺪار ﺑﻬﻴﻨﻪ آن‬
‫ﻳﻚ ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫‪n‬‬

‫) ‪C i * (Q obs − Q sim‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪∑ (Q‬‬
‫‪i =1‬‬
‫‪o ,i‬‬ ‫‪− Q s ,i )2‬‬
‫= ‪RMSE‬‬ ‫‪n‬‬
‫)‪(5‬‬ ‫= ‪NS = 1 − C NS‬‬ ‫‪n‬‬
‫)‪(6‬‬

‫∑‬‫‪i =1‬‬
‫‪C i2‬‬ ‫‪∑ (Q‬‬
‫‪i =1‬‬
‫‪o ,i‬‬ ‫) ‪−Qo‬‬ ‫‪2‬‬

‫‪ .5‬ﻧﺘﺎﺑﺞ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن‬

‫در اﻳﻦ ﺑﺨﺶ از ﺑﻴﻦ ﭼﻬﺎر رﺧﺪاد ﺳﻴﻼب ﺗﺎرﻳﺨﻲ‪ ،‬ﺳﻪ رﺧﺪاد ﺑﻪ ﻋﻨﻮان رﺧﺪادﻫﺎي ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻳﻚ رﺧﺪاد ﺑﻪ ﻣﻨﻈﻮر ﺻﺤﺖﺳﻨﺠﻲ ﺑﺎ ﺗﺮﻛﻴﺐﻫﺎي ﻣﺨﺘﻠﻒ‬
‫از ﺗﺮﺗﻴﺐ رﺧﺪادﻫﺎي ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن و ﺻﺤﺖﺳﻨﺠﻲ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬در ﺳﻨﺎرﻳﻮي اول اﺑﺘﺪا ﻣﺪل ﺑﻪ ﺻﻮرت ﺗﻚ رﺧﺪاده ﺑﺎ ﻫﺮﻳﻚ از ﺗﺎﺑﻊ ﻫﺪفﻫﺎي‬
‫‪ [14] NASH-Sutcliffe‬و ‪ RMSE‬ﻛﺎﻟﻴﺒﺮه ﻣﻲﺷﻮد‪ .‬در ﺳﻨﺎرﻳﻮي دوم‪ ،‬ﺳﻪ رﺧﺪاد )‪ (3-2-1‬و ) ‪ (4-2-1‬ﺑﻪ ﺻﻮرت ﻫﻤﺰﻣﺎن ﻛﺎﻟﻴﺒﺮه ﺷﺪه و ﺗﺎﺑﻊ ﻫﺪف ﺑﻪ‬
‫ﺻﻮرت ﺣﺪاﻗﻞ ﺳﺎزي ﻣﺠﻤﻮع ﺗﺎﺑﻊ ﺧﻄﺎي ﺳﻪ رﺧﺪاد در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ‪ .‬در ﺷﻜﻞ‪ 3‬ﻧﺘﺎﻳﺞ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻫﺮ دو ﺳﻨﺎرﻳﻮ و در ﺟﺪول‪ 3‬ﻣﻘﺎدﻳﺮ ﺑﻬﻴﻨﻪ‬
‫ﭘﺎراﻣﺘﺮﻫﺎ اراﺋﻪ ﺷﺪه اﺳﺖ‪ .‬ﻧﺘﺎﻳﺞ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻣﺪل در ﺣﺎﻟﺘﻲ ﻛﻪ ﺑﻪ ﺻﻮرت ﺗﻚ رﺧﺪاده ﻛﺎﻟﻴﺒﺮه ﻣﻲﺷﻮد ﻋﻤﻠﻜﺮد ﻣﻨﺎﺳﺒﻲ داﺷﺘﻪ اﺳﺖ‪.‬‬
‫ﻫﺮﭼﻨﺪ ﻛﻪ ﻣﻘﺎدﻳﺮ ﭘﺎراﻣﺘﺮﻫﺎ از اﻟﮕﻮي ﻣﺸﺎﺑﻬﻲ ﭘﻴﺮوي ﻧﻜﺮده و ﻣﺪل ﻧﺘﻮاﻧﺴﺘﻪ دﺳﺘﻪ ﭘﺎراﻣﺘﺮ ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮدي را ﺑﻪ دﺳﺖ دﻫﺪ‪ .‬ﺑﻪ ﻫﻤﻴﻦ ﺟﻬﺖ ﺿﺮورت‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻫﺮ ﺳﻪ رﺧﺪاد ﺣﺲ ﮔﺮدﻳﺪه اﺳﺖ‪ .‬در ﺑﺨﺶ ﺑﻌﺪي ﻋﻤﻠﻜﺮد ﻫﺮ ﻳﻚ از ﺳﻨﺎرﻳﻮﻫﺎ در ﺻﺤﺖ ﺳﻨﺠﻲ ﺑﺮرﺳﻲ ﻣﻲﺷﻮد‪.‬‬

‫ﺷﻜﻞ‪ -3-‬ﻣﻘﺎﻳﺴﻪ ﻫﻴﺪروﮔﺮاف ﻣﺸﺎﻫﺪاﺗﻲ و ﻣﺤﺎﺳﺒﺎﺗﻲ در ﻫﺮ ﻳﻚ از رﺧﺪادﻫﺎ‬

 ‫ﭘﻨﺠﻤﻴﻦ ﻛﻨـﮕﺮه ﻣﻠﻲ ﻣﻬﻨـﺪﺳﻲ ﻋﻤـﺮان‬
‫‪ 14‬ﺗﺎ ‪ 16‬اردﻳﺒﻬﺸﺖ ‪ ،1389‬داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ ﻣﺸﻬﺪ‪ ،‬ﻣﺸﻬﺪ ‪ ،‬اﻳﺮان‬

‫ﺟﺪول‪ -3-‬ﻧﺘﺎﻳﺞ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن‬

‫‪Parameter Index‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪14‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪17‬‬
‫‪1‬‬ ‫‪61/3 ‬‬ ‫‪90/6 ‬‬ ‫‪79/9 ‬‬ ‫‪60/1 ‬‬ ‫‪51/2 ‬‬ ‫‪90/8 ‬‬ ‫‪70 ‬‬ ‫‪0/18 ‬‬ ‫‪0/19 ‬‬ ‫‪0/21 ‬‬ ‫‪0/25 ‬‬ ‫‪0/25 ‬‬ ‫‪0/17 ‬‬ ‫‪0/22 ‬‬ ‫‪0/59‬‬ ‫‪0/56 ‬‬ ‫‪0/44 ‬‬
‫‪2‬‬ ‫‪73/6 ‬‬ ‫‪61/1 ‬‬ ‫‪77/5 ‬‬ ‫‪61/2 ‬‬ ‫‪54/8 ‬‬ ‫‪82/6 ‬‬ ‫‪88/9 ‬‬ ‫‪0/15 ‬‬ ‫‪0/24 ‬‬ ‫‪0/23 ‬‬ ‫‪0/24 ‬‬ ‫‪0/22 ‬‬ ‫‪0/25 ‬‬ ‫‪0/22 ‬‬ ‫‪0/26 ‬‬ ‫‪0/59 ‬‬ ‫‪0 /2  ‬‬
‫‪RMSE‬‬

‫‪3‬‬ ‫‪  83/5‬‬ ‫‪79/6 ‬‬ ‫‪67/9 ‬‬ ‫‪60/2 ‬‬ ‫‪82/3 ‬‬ ‫‪72/8 ‬‬ ‫‪70/7 ‬‬ ‫‪0/15 ‬‬ ‫‪0/15 ‬‬ ‫‪0/15 ‬‬ ‫‪0 /2  ‬‬ ‫‪0/15 ‬‬ ‫‪0/17 ‬‬ ‫‪0/16 ‬‬ ‫‪0/21 ‬‬ ‫‪0/22 ‬‬ ‫‪0/21 ‬‬
‫‪4‬‬ ‫‪63/9 ‬‬ ‫‪84/2 ‬‬ ‫‪56/6 ‬‬ ‫‪63/8 ‬‬ ‫‪72/3 ‬‬ ‫‪70/9 ‬‬ ‫‪71/1 ‬‬ ‫‪0/24 ‬‬ ‫‪0/25 ‬‬ ‫‪0/25 ‬‬ ‫‪0/21 ‬‬ ‫‪0/23 ‬‬ ‫‪0/23 ‬‬ ‫‪0 /2  ‬‬ ‫‪0/38 ‬‬ ‫‪0/33 ‬‬ ‫‪0/32 ‬‬
‫‪1‬‬ ‫‪67/8 ‬‬ ‫‪88/1 ‬‬ ‫‪64/3 ‬‬ ‫‪60/1 ‬‬ ‫‪60/7 ‬‬ ‫‪83/1 ‬‬ ‫‪79/6 ‬‬ ‫‪0/21 ‬‬ ‫‪0 /2  ‬‬ ‫‪0/24 ‬‬ ‫‪0/24 ‬‬ ‫‪0 /2  ‬‬ ‫‪0/18 ‬‬ ‫‪0/23 ‬‬ ‫‪0/23 ‬‬ ‫‪0 /3  ‬‬ ‫‪0/28 ‬‬
‫‪2‬‬ ‫‪61/2 ‬‬ ‫‪75/5‬‬ ‫‪81/4 ‬‬ ‫‪60/7 ‬‬ ‫‪50/2 ‬‬ ‫‪74/9 ‬‬ ‫‪78/7 ‬‬ ‫‪0/21 ‬‬ ‫‪0/16 ‬‬ ‫‪0/24 ‬‬ ‫‪0/23 ‬‬ ‫‪0/22 ‬‬ ‫‪0/23 ‬‬ ‫‪0/17 ‬‬ ‫‪0/46 ‬‬ ‫‪0/32 ‬‬ ‫‪0 /2  ‬‬
‫‪NASH‬‬

‫‪3‬‬ ‫‪82/8 ‬‬ ‫‪80/5 ‬‬ ‫‪65/4 ‬‬ ‫‪61/2 ‬‬ ‫‪80/2 ‬‬ ‫‪71/2 ‬‬ ‫‪74/2 ‬‬ ‫‪0 /2  ‬‬ ‫‪0/21 ‬‬ ‫‪0/21 ‬‬ ‫‪0/25 ‬‬ ‫‪0/19 ‬‬ ‫‪0/22 ‬‬ ‫‪0/25 ‬‬ ‫‪0/31 ‬‬ ‫‪0/32 ‬‬ ‫‪0/29 ‬‬
‫‪4‬‬ ‫‪62/5 ‬‬ ‫‪84/1 ‬‬ ‫‪59/4 ‬‬ ‫‪62/3 ‬‬ ‫‪74/1 ‬‬ ‫‪70/2 ‬‬ ‫‪72/4 ‬‬ ‫‪0/25 ‬‬ ‫‪0/25 ‬‬ ‫‪0/25 ‬‬ ‫‪0/24 ‬‬ ‫‪0/24 ‬‬ ‫‪.0/23 ‬‬ ‫‪0/23 ‬‬ ‫‪0/32 ‬‬ ‫‪0/34 ‬‬ ‫‪0/59 ‬‬
‫‪0/19 ‬‬ ‫‪0/33 ‬‬ ‫‪0/59 ‬‬
‫‪3events‬‬

‫‪3-2-1‬‬ ‫‪76/8‬‬ ‫‪85/9‬‬ ‫‪58/7‬‬ ‫‪60/2‬‬ ‫‪74/1‬‬ ‫‪80/8‬‬ ‫‪70‬‬ ‫‪0/15‬‬ ‫‪0/24‬‬ ‫‪0/25‬‬ ‫‪0/21‬‬ ‫‪0/16‬‬ ‫‪0/22‬‬ ‫‪0/22‬‬
‫‪4-2-1‬‬ ‫‪62/7‬‬ ‫‪79/2‬‬ ‫‪75/8‬‬ ‫‪65/5‬‬ ‫‪63/7‬‬ ‫‪78/2‬‬ ‫‪87/8‬‬ ‫‪0/24‬‬ ‫‪0/23‬‬ ‫‪0/24‬‬ ‫‪0/23‬‬ ‫‪0/24‬‬ ‫‪0/24 ‬‬ ‫‪0/23‬‬ ‫‪0/58 ‬‬ ‫‪0 /3  ‬‬ ‫‪0/26 ‬‬
‫‪18‬‬ ‫‪19‬‬ ‫‪20‬‬ ‫‪21‬‬ ‫‪22‬‬ ‫‪23‬‬ ‫‪24‬‬ ‫‪9‬‬ ‫‪18‬‬ ‫‪19‬‬ ‫‪20‬‬ ‫‪21‬‬ ‫‪22‬‬ ‫‪23‬‬ ‫‪24‬‬
‫‪1‬‬ ‫‪0/24 ‬‬ ‫‪0/59 ‬‬ ‫‪0/45 ‬‬ ‫‪0/23 ‬‬ ‫‪0/43 ‬‬ ‫‪0/29 ‬‬ ‫‪0/24 ‬‬ ‫‪1‬‬ ‫‪0/39 ‬‬ ‫‪0/24 ‬‬ ‫‪0/46 ‬‬ ‫‪0 /3  ‬‬ ‫‪0 /5  ‬‬ ‫‪0 /4  ‬‬ ‫‪0/39 ‬‬ ‫‪ ‬‬
‫‪NASH ‬‬

‫‪2‬‬ ‫‪0/59 ‬‬ ‫‪0/21 ‬‬ ‫‪0/35 ‬‬ ‫‪0/48 ‬‬ ‫‪0/48 ‬‬ ‫‪0/43 ‬‬ ‫‪0/59 ‬‬ ‫‪2‬‬ ‫‪0/59 ‬‬ ‫‪0/22 ‬‬ ‫‪0/44 ‬‬ ‫‪0/38 ‬‬ ‫‪.024/ ‬‬ ‫‪0/33 ‬‬ ‫‪0/59 ‬‬
‫‪RMSE‬‬

‫‪ ‬‬
‫‪3‬‬ ‫‪0/36 ‬‬ ‫‪0/24 ‬‬ ‫‪0/59 ‬‬ ‫‪0/49 ‬‬ ‫‪0/38 ‬‬ ‫‪0/42 ‬‬ ‫‪0/36 ‬‬ ‫‪3‬‬ ‫‪0/45 ‬‬ ‫‪0/33 ‬‬ ‫‪0/59 ‬‬ ‫‪0 /5  ‬‬ ‫‪0/49 ‬‬ ‫‪0 /5  ‬‬ ‫‪0/45 ‬‬ ‫‪ ‬‬
‫‪4‬‬ ‫‪0/31 ‬‬ ‫‪0/49 ‬‬ ‫‪0/42 ‬‬ ‫‪0/49 ‬‬ ‫‪0/49 ‬‬ ‫‪0/49 ‬‬ ‫‪0/31 ‬‬ ‫‪4‬‬ ‫‪0 /4  ‬‬ ‫‪0/59 ‬‬ ‫‪0/56 ‬‬ ‫‪0/48 ‬‬ ‫‪0/49 ‬‬ ‫‪0/48 ‬‬ ‫‪0 /4  ‬‬ ‫‪ ‬‬
‫‪3-E‬‬ ‫‪3-2-1‬‬ ‫‪0/59 ‬‬ ‫‪0/21 ‬‬ ‫‪0/21 ‬‬ ‫‪0/59 ‬‬ ‫‪0/49 ‬‬ ‫‪0/47 ‬‬ ‫‪/49 ‬‬ ‫‪3-E‬‬ ‫‪4-2-1‬‬ ‫‪0/59 ‬‬ ‫‪0/38 ‬‬ ‫‪0/41 ‬‬ ‫‪0 /4  ‬‬ ‫‪0/47 ‬‬ ‫‪0/46 ‬‬ ‫‪0/48 ‬‬

‫‪ .6‬ارزﻳﺎﺑﻲ ﻣﺪل‬

‫ﻣﻲﺑﺎﺷﺪ‪ .‬اﻳﻦ ﺗﺎﺑﻊ اﻧﺤﺮاف‬ ‫‪DRMS‬‬ ‫در اﻳﻦ ﺗﺤﻘﻴﻖ‪ ،‬ﻋﻤﻠﻜﺮد ﻧﺘﺎﻳﺞ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺗﻮﺳﻂ ﭼﻬﺎر ﻣﻌﻴﺎر ﻋﻤﻠﻜﺮد ﺳﻨﺠﻴﺪه ﻣﻲﺷﻮد‪ .‬اوﻟﻴﻦ ﻣﻌﻴﺎر ارزﻳﺎﺑﻲ ﺗﺎﺑﻊ‬
‫اﺳﺘﺎﻧﺪارد ﻣﺪل را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻣﻘﺎدﻳﺮ ﻛﻤﺘﺮ‪ ،‬ﻋﻤﻠﻜﺮد ﺑﻬﺘﺮ ﻣﺪل را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﺗﺎﺑﻊ ‪ PBIAS‬ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ آﻳﺎ ﺑﻪ ﻃﻮر ﻣﺘﻮﺳﻂ ﻣﻘﺎدﻳﺮ دﺑﻲ ﺷﺒﻴﻪﺳﺎزي‬
‫‪PME‬‬ ‫ﺑﻴﺸﺘﺮ از دﺑﻲ ﻣﺤﺎﺳﺒﺎﺗﻲ اﺳﺖ ﻳﺎ ﻧﻪ‪ .‬ﻣﻘﺎدﻳﺮ ﻣﺜﺒﺖ ﻧﺸﺎندﻫﻨﺪه ﺗﺨﻤﻴﻦ ﭘﺎﻳﻴﻦ دﺳﺖ دﺑﻲ و ﻣﻘﺎدﻳﺮ ﻣﻨﻔﻲ ﻧﺸﺎندﻫﻨﺪه ﺗﺨﻤﻴﻦ ﺑﺎﻻدﺳﺖ ﻣﺪل اﺳﺖ‪ .‬ﻣﻌﻴﺎر‬
‫ﻓﺮض ﻣﻲﻛﻨﺪ ﻛﻪ ﺗﺨﻤﻴﻦ دﺑﻲ در ﮔﺎم ﺑﻌﺪي ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻣﻘﺎدﻳﺮ دﺑﻲ ﻣﺸﺎﻫﺪاﺗﻲ در ﮔﺎم ﻓﻌﻠﻲ ﺑﻪ دﺳﺖ ﻣﻲ آﻳﺪ‪ .‬ﻣﻘﺎدﻳﺮ دﺑﻲ ‪ PME < 0‬ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ‬
‫ﻣﻤﻜﻦ اﺳﺖ دﺑﻲﻫﺎي ﺑﻪ دﺳﺖ آﻣﺪه ﺑﺮاي ﭘﻴﺶﺑﻴﻨﻲ‪ ،‬ﻋﻤﻠﻜﺮد ﻣﻨﺎﺳﺒﻲ ﻧﺪاﺷﺘﻪ ﺑﺎﺷﻨﺪ ]‪.[1‬‬

‫‪N‬‬ ‫‪N‬‬

‫∑‬‫‪i =1‬‬
‫‪(q tsim − q tobs )2‬‬ ‫‪∑(q‬‬ ‫‪i =1‬‬
‫‪obs‬‬
‫‪t‬‬ ‫) ‪− qtsim‬‬
‫‪PM E = 1 −‬‬ ‫‪N‬‬
‫)‪(7‬‬ ‫= ‪PBIAS‬‬ ‫‪N‬‬
‫‪×100%‬‬ ‫)‪(8‬‬

‫∑‬‫‪i =1‬‬
‫‪(q tobs‬‬ ‫‪− q tobs‬‬
‫) ‪−1‬‬
‫‪2‬‬
‫∑‬
‫‪i =1‬‬
‫‪qtobs‬‬

‫‪n‬‬

‫‪N‬‬ ‫‪∑(Q‬‬ ‫‪s ,i‬‬ ‫) ‪− Q s )(Qo ,i − Q o‬‬

‫∑‬ ‫‪i =1‬‬

‫‪1‬‬ ‫=‪R‬‬
‫= ‪DRMS‬‬ ‫‪(qtsim‬‬ ‫‪− qtobs )2‬‬ ‫)‪(10‬‬ ‫‪n‬‬ ‫‪n‬‬
‫)‪(9‬‬

‫‪∑(Q‬‬ ‫‪∑(Q‬‬
‫‪N‬‬
‫‪i =1‬‬ ‫) ‪−Q s‬‬ ‫‪2‬‬
‫) ‪−Qo‬‬
‫‪2‬‬
‫‪s ,i‬‬ ‫‪o ,i‬‬
‫‪i =1‬‬ ‫‪i =1‬‬

‫ﻧﺘﺎﻳﺞ ﻣﻌﻴﺎر ﻧﺸﺎن ﻣﻲدﻫﺪﻛﻪ ﺗﻘﺮﻳﺒﺎ در ﻫﻤﻪ ﻣﻮارد ﻋﻤﻠﻜﺮد ﺗﺎﺑﻊ ‪ NASH‬ﻧﺴﺒﺖ ﺑﻪ ﺗﺎﺑﻊ ‪ RMSE‬ﻣﻨﺎﺳﺒﺘﺮ ﺑﻮده اﺳﺖ‪ .‬در ﻣﻌﻴﺎر ﻋﻤﻠﻜﺮد ‪ ،DRMS‬ﻣﻴﺰان ﺧﻄﺎي‬
‫ﻣﺪل در ﺳﻴﻼبﻫﺎ ﺑﺎ ﻧﻘﺎط ﭘﻴﻚ ﺑﺎﻻﺗﺮ اﻓﺰاﻳﺶ ﻣﻲﻳﺎﺑﺪ‪ .‬ﻣﻌﻴﺎر ﻋﻤﻠﻜﺮد ‪ PBIAS‬در ﻫﻤﻪ رﺧﺪادﻫﺎ ﺣﺎﻛﻲ از ﺗﺨﻤﻴﻦ ﺑﺎﻻدﺳﺘﻲ دﺑﻲﻫﺎ ﺑﻮده اﺳﺖ‪ .‬ﻣﻘﺎدﻳﺮ ﻣﻨﻔﻲ‬
‫‪ PME‬در رﺧﺪادﻫﺎي ‪1‬و ‪ 2‬ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻋﻤﻠﻜﺮد ﻣﺪل ﺑﺮاي ﻣﻘﺎﺻﺪ ﭘﻴﺶﺑﻴﻨﻲ ﺑﺎﻳﺪ ﺑﺮرﺳﻲ ﺷﻮد‪ .‬ﻣﻌﻴﺎر ‪ R‬ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﻣﺪل در ﻧﻘﺎﻃﻲ ﻛﻪ داراي دو‬
‫ﭘﻴﻚ ﻧﺰدﻳﻚ ﺑﻪ ﻫﻢ اﺳﺖ‪ ،‬ﻋﻤﻠﻜﺮد ﺿﻌﻴﻔﺘﺮي دارد‪.‬‬
 ‫ﭘﻨﺠﻤﻴﻦ ﻛﻨـﮕﺮه ﻣﻠﻲ ﻣﻬﻨـﺪﺳﻲ ﻋﻤـﺮان‬
‫‪ 14‬ﺗﺎ ‪ 16‬اردﻳﺒﻬﺸﺖ ‪ ،1389‬داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ ﻣﺸﻬﺪ‪ ،‬ﻣﺸﻬﺪ ‪ ،‬اﻳﺮان‬

‫ﺷﻜﻞ‪-4-‬ﻣﻌﻴﺎر ﻋﻤﻠﻜﺮد در رﺧﺪادﻫﺎي ﻣﺨﺘﻠﻒ‬

‫‪ .7‬ﺻﺤﺖ ﺳﻨﺠﻲ‬

‫در ﻣﻴﺎن روشﻫﺎي ﻣﺨﺘﻠﻒ ﺻﺤﺖﺳﻨﺠﻲ‪ cross validation ،‬در زﻣﺮه ﻣﺸﻬﻮرﺗﺮﻳﻦ روشﻫﺎ ﻗﺮار دارد‪ .‬در اﻳﻦ روش ﻳﻚ ﺳﺮي از دادهﻫﺎ ﺑﻪ ﻋﻨﻮان آﻣﻮزﺷﻲ‬
‫و ﻳﻚ ﺳﺮي ﺑﻪ ﻋﻨﻮان ﺗﺴﺖ اﻧﺘﺨﺎب ﻣﻲﺷﻮﻧﺪ‪ .‬در اﻳﻦ ﺗﺤﻘﻴﻖ‪ ،‬ﻣﻴﺎﻧﮕﻴﻦ ﭘﺎراﻣﺘﺮﻫﺎي ﺣﺎﺻﻞ از ﺳﻪ رﺧﺪاد ﺑﺮ روي رﺧﺪاد ﭼﻬﺎرم ارزﻳﺎﺑﻲ ﻣﻲﺷﻮد‪ .‬در ﺷﻜﻞ‪5‬‬
‫ﻋﻤﻠﻜﺮد ﻫﻴﺪروﮔﺮافﻫﺎي ﺣﺎﺻﻠﻪ ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد‪ .‬ﺗﺤﻠﻴﻞ ﭘﻴﺮاﻣﻮن ﻧﺘﺎﻳﺞ ﺣﺎﺻﻠﻪ در ﺑﺨﺶ ‪ 10‬اراﺋﻪ ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬

‫ﺷﻜﻞ‪ -5-‬ﺻﺤﺖ ﺳﻨﺠﻲ در ﺳﻨﺎرﻳﻮﻫﺎي ﻣﺨﺘﻠﻒ‬

‫‪ .8‬روﻳﻜﺮد ﭼﻨﺪ ﻫﺪﻓﻪ‬

‫ﺗﺠﺮﺑﻪﻫﺎي ﻋﻤﻠﻲ در زﻣﻴﻨﻪ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻣﺪلﻫﺎ ﻧﺸﺎن داده اﺳﺖ ﻛﻪ ﻫﻴﭻ ﺗﺎﺑﻊ ﻫﺪف ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮدي ﻫﺮﭼﻨﺪ ﻫﻢ ﺑﺎ دﻗﺖ ﺑﺎﻻ ﺑﻪ دﺳﺖ آﻣﺪه ﺑﺎﺷﺪ ﺑﻪ ﺗﻨﻬﺎﻳﻲ‬
‫ﻧﻤﻲﺗﻮاﻧﺪ ﻣﻬﻢﺗﺮﻳﻦ ﺧﺼﻮﺻﻴﺎت ﺣﻮﺿﻪ را ﻧﺸﺎن دﻫﺪ‪ .‬ﻳﻜﻲ از ﺟﻨﻴﻪﻫﺎي ﻣﺴﺎﻳﻞ ﭼﻨﺪ ﻫﺪﻓﻪ‪ ،‬ﻣﺪﻟﺴﺎزي ﻣﻘﻴﺪ ﻣﻲﺑﺎﺷﺪ‪ .‬در اﻳﻦ ﻣﺴﺎﻳﻞ ﭼﻨﺪ ﺗﺎﺑﻊ ﻫﺪف ﻛﻪ ﻳﻜﻲ‬
‫ﺑﻪ ﻋﻨﻮان ﺗﺎﺑﻊ ﻫﺪف اﺻﻠﻲ و ﺑﻘﻴﻪ ﺑﻪ ﻋﻨﻮان ﻗﻴﺪ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﻲﺷﻮﻧﺪ‪ .‬ﻣﻘﺎﻳﺴﻪ ﻧﺘﺎﻳﺞ ﻫﻴﺪروﮔﺮاف ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ در ﺑﺮﺧﻲ رﺧﺪادﻫﺎ اﮔﺮ ﭼﻪ ﻣﺪل ﺳﻌﻲ در‬
‫ﻣﺪﻟﺴﺎزي ﻛﻞ ﻧﻘﺎط ﻫﻴﺪروﮔﺮاف دارد‪ ،‬اﻣﺎ ﺗﺎﺑﻊ ﻣﻮرد ﻧﻈﺮ ﻧﻘﺎط ﭘﻴﻚ را ﺑﻪ ﺧﻮﺑﻲ ﻣﺪﻟﺴﺎزي ﻧﻤﻲﻛﻨﺪ‪ .‬از آﻧﺠﺎﻳﻲ ﻛﻪ ﻧﻘﺎط ﭘﻴﻚ ﻫﺮ ﻫﻴﺪروﮔﺮاف ﻳﻜﻲ از‬
‫ﻣﻬﻢﺗﺮﻳﻦ ﻓﺎﻛﺘﻮرﻫﺎي ﻫﺮ رﺧﺪاد ﺑﺮاي ﻣﻘﺎﺻﺪ ﭘﻴﺶﺑﻴﻨﻲ اﺳﺖ‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ ﺗﺨﻤﻴﻦ دﺑﻲ ﭘﻴﻚ ﺑﻪ ﻋﻨﻮان ﻳﻚ ﻗﻴﺪ ﺑﻪ ﻣﺪل ﺑﻬﻴﻨﻪﺳﺎزي اﻋﻤﺎل ﻣﻲﺷﻮد‪ .‬در اﻳﻦ‬
‫ﻓﺮﻣﻮلﺑﻨﺪي ﻣﻄﺎﺑﻖ رواﺑﻂ زﻳﺮ ﺗﻀﻤﻴﻦ ﺧﻮاﻫﺪ ﺷﺪ ﻛﻪ ﺧﻄﺎي ﺑﺮآورد ﭘﻴﻚ ﻛﻤﺘﺮ از ‪ W‬درﺻﺪ ﭘﻴﻚ ﻫﻴﺪروﮔﺮاف ﻣﺸﺎﻫﺪاﺗﻲ ﺑﺎﺷﺪ‪ .‬ﺣﻞ اﻳﻦ ﻣﺪل ﺑﻬﻴﻨﻪ‪-‬‬
 ‫ﭘﻨﺠﻤﻴﻦ ﻛﻨـﮕﺮه ﻣﻠﻲ ﻣﻬﻨـﺪﺳﻲ ﻋﻤـﺮان‬
‫‪ 14‬ﺗﺎ ‪ 16‬اردﻳﺒﻬﺸﺖ ‪ ،1389‬داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ ﻣﺸﻬﺪ‪ ،‬ﻣﺸﻬﺪ ‪ ،‬اﻳﺮان‬

‫ﺳﺎزي ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﻳﺘﻢ ‪ PSO‬ﭼﻨﺪ ﻫﺪﻓﻪ ﻣﻘﻴﺪ )‪ [15] (COMPSO‬اﻧﺠﺎم ﺷﺪه اﺳﺖ‪ .‬ﻻزم ﺑﻪ ذﻛﺮ اﺳﺖ ﻛﻪ ﻫﺮ ﺑﺎر ارزﻳﺎﺑﻲ ﺗﺎﺑﻊ ﻫﺪف در اﻳﻦ ﻣﺪل‬
‫ﻣﺴﺘﻠﺰم اﺟﺮاي ﻣﺪل ﺷﺒﻴﻪﺳﺎز ‪ HMS‬و ﺑﻪ ﻋﺒﺎرﺗﻲ دروﻧﮕﺬاري ﻣﺪل ﺷﺒﻴﻪﺳﺎز در اﻟﮕﻮرﻳﺘﻢ ‪ COMPSO‬ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪⎧⎪min f (x ) = RMSE‬‬
‫⎨‬
‫‪⎪⎩s .t . g i (x ) ≤ 0, i = 1,..., m‬‬ ‫‪g i (x ) = Peak i ,obs − Peak i ,sim ≤W * Peak i ,obs‬‬ ‫)‪(11‬‬
‫) ‪f 1( x ) = f ( x‬‬
‫‪f 2 (x ) = max{0, g i (x ),‬‬ ‫} ‪i = 1, 2,..., m‬‬ ‫)‪(12‬‬

‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ راﺑﻄﻪ ﻣﻘﺎﺑﻞ‪ ،‬در ﺻﻮرﺗﻲ ﻛﻪ ﺗﻤﺎﻣﻲ ﻗﻴﺪﻫﺎ ارﺿﺎ ﺷﻮد‪ ،‬ﺗﺎﺑﻊ ) ‪ f 2 ( x‬ﻣﻘﺪار ﺻﻔﺮ را ﻣﻲﮔﻴﺮد در ﻏﻴﺮ اﻳﻦ ﺻﻮرت ‪ . f 2 (x ) ≥ 0‬ﻟﺬا ﻣﺴﺎﻟﻪ ﺑﻬﻴﻨﻪ‪-‬‬
‫ﺳﺎزي ﺑﻪ ﺻﻮرت زﻳﺮ ﺗﺒﺪﻳﻞ ﻣﻲﺷﻮد‪.‬‬

‫}) ‪m in{f 1 ( x ), f 2 ( x‬‬ ‫) ‪(13‬‬

‫اﺳﺖ‪ ،‬اﻧﺘﺨﺎب ﻣﻲﻛﻨﺪ‪ .‬در ﺻﻮرﺗﻲ ﻛﻪ ﻫﺮ‬ ‫) ‪f 1(x‬‬ ‫در دو ذره ﺑﺮاﺑﺮ ﺻﻔﺮ ﺷﻮد‪ ،‬ﻣﺪل ذرهاي را ﻛﻪ داراي ﻛﻤﺘﺮﻳﻦ ﻣﻘﺪار‬ ‫) ‪f 2 (x‬‬ ‫در ﻓﺮاﻳﻨﺪ ﺣﻞ‪ ،‬اﮔﺮ ﻣﻘﺪار‬
‫ﺑﺮاﺑﺮ‬ ‫) ‪f 2 (x‬‬ ‫ﻛﻤﺘﺮي اﺳﺖ‪ ،‬اﻧﺘﺨﺎب ﻣﻲﻛﻨﺪ و اﮔﺮ ﻓﻘﻂ ﻳﻜﻲ از ذرات‬ ‫) ‪f 2 (x‬‬ ‫دو ذره ﻣﻘﺪار ) ‪ f 2 ( x‬ﻏﻴﺮ ﺻﻔﺮ داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ ،‬ﻣﺪل ذرهاي را ﻛﻪ داراي‬
‫ﺻﻔﺮ داﺷﺘﻪ ﺑﺎﺷﺪ‪ ،‬ﻣﺪل آن ذره را اﻧﺘﺨﺎب ﻣﻲﻛﻨﺪ‪ .‬ﺑﺮاي رﻓﻊ ﻫﻤﮕﺮاﻳﻲ ﻛﻨﺪ اﻳﻦ اﻟﮕﻮرﻳﺘﻢ از ﺗﻜﻨﻴﻚ ‪ Crossover‬اﺳﺘﻔﺎده ﻣﻲﺷﻮد ]‪.[16‬‬

‫ﺷﻜﻞ‪- 6-‬ﻫﻴﺪروﮔﺮاف رﺧﺪاد دوم ﺑﺎ ‪ w‬ﻫﺎي ﻣﺨﺘﻠﻒ‬

‫ﻧﻤﻮدار ﺗﻐﻴﻴﺮات دو ﺗﺎﺑﻊ ﻫﺪف ) ﺗﺎﺑﻊ اول( ‪ RMSE‬و ﺗﺎﺑﻊ دوم ﺑﻪ ﺻﻮرت ﻗﻴﺪ ﺑﺮ ﻧﻘﺎط ﭘﻴﻚ در ﺷﻜﻞ ‪ 6‬ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪ .‬ﻣﺸﺎﻫﺪه ﻣﻲﺷﻮد ﻛﻪ ﺑﺎ اﻓﺰاﻳﺶ‬
‫ﻳﻜﻲ‪ ،‬ﺗﺎﺑﻊ دﻳﮕﺮ وﺿﻌﻴﺖ ﺑﺪﺗﺮي ﭘﻴﺪا ﺧﻮاﻫﺪ ﻛﺮد‪.‬‬

‫ﺷﻜﻞ‪ -7-‬ﻣﻨﺤﻨﻲ ﭘﺎراﺗﻮ ﻳﺎ ﺗﺒﺎدل دو ﺗﺎﺑﻊ ﻫﺪف در ﻣﺴﺎﻟﻪ ﺑﻬﻴﺘﻪﺳﺎزي‬

‫ﺟﻤﻊﺑﻨﺪي و ﻧﺘﻴﺠﻪﮔﻴﺮي‬ ‫‪.10‬‬

‫ﻣﺤﻮر اﻳﻦ ﺗﺤﻘﻴﻖ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺧﻮدﻛﺎر ﻣﺪل ﻣﻔﻬﻮﻣﻲ ‪ HEC-HMS‬ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﻳﺘﻢ ﺑﻬﻴﻨﻪﺳﺎزي ‪ PSO‬ﺑﺮ روي ﺣﻮﺿﻪ آﺑﺮﻳﺰ ﮔﻠﺴﺘﺎن ﻣﻲﻳﺎﺷﺪ‪ .‬ﻣﺪل در‬
‫دو ﺳﻨﺎرﻳﻮ ﺗﻚ رﺧﺪاده و ﺳﻪ رﺧﺪاده و ﺑﺎ ﺗﺎﺑﻊ ﻫﺪفﻫﺎي ‪ NASH‬و ‪ RMSE‬ﻣﻮرد ارزﻳﺎﺑﻲ ﻗﺮار ﮔﺮﻓﺖ‪ .‬ﻧﺘﺎﻳﺞ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن در ﻫﺮ ﻳﻚ از رﺧﺪادﻫﺎ و در‬
‫ﺳﻨﺎرﻳﻮﻫﺎي ﻣﺨﺘﻠﻒ ﻧﺘﻮاﻧﺴﺖ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮدي را ﺑﺮاي ﺣﻮﺿﻪ اراﺋﻪ دﻫﺪ‪ .‬ﺑﻪ ﻣﻨﻈﻮر ﺻﺤﺖ ﺳﻨﺠﻲ رﺧﺪادﻫﺎ از روش ‪ cross validation‬ﺑﻬﺮه‬
‫ﮔﺮﻓﺘﻪ ﺷﺪ‪ .‬ﻧﺘﺎﻳﺞ ﺗﻨﻬﺎ در ﺳﻨﺎرﻳﻮ ﺳﻪ رﺧﺪاده ﻣﻨﺎﺳﺐ ﺑﻮده ﻛﻪ ﺣﺎﻛﻲ از اﻳﻦ اﺳﺖ ﻛﻪ اﮔﺮ ﭼﻪ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﺳﻪ رﺧﺪاد ﺑﻪ ﺻﻮرت ﻫﻤﺰﻣﺎن ﺑﺎﻋﺚ ﻛﺎﻫﺶ‬
‫درﺟﺎت آزادي ﺷﺪه و ﻋﺪم اراﺋﻪ ﻧﺘﺎﻳﺞ ﻣﻨﺎﺳﺒﻲ در ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻫﻤﺎن رﺧﺪادﻫﺎ ﺑﻮده اﺳﺖ‪ ،‬وﻟﻲ در ﺻﺤﺖ ﺳﻨﺠﻲ ﻧﺘﺎﻳﺞ ﺑﻬﺘﺮي داﺷﺘﻪ اﺳﺖ‪ .‬در اداﻣﻪ ﻧﺘﺎﻳﺞ‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن در رﺧﺪادﻫﺎي ﻣﺨﺘﻠﻒ ﺑﺎ ﻣﻌﻴﺎر ﻋﻤﻠﻜﺮدﻫﺎي ﻣﺘﻔﺎوت ارزﻳﺎﺑﻲ ﺷﺪ و ﻧﺸﺎن داده ﺷﺪ اﮔﺮ ﭼﻪ ﻫﺮ دو ﺗﺎﺑﻊ ‪ NASH‬و ‪ RMSE‬ﺳﻌﻲ در ﺣﺪاﻗﻞ‬
 ‫ﭘﻨﺠﻤﻴﻦ ﻛﻨـﮕﺮه ﻣﻠﻲ ﻣﻬﻨـﺪﺳﻲ ﻋﻤـﺮان‬
‫ اﻳﺮان‬، ‫ ﻣﺸﻬﺪ‬،‫ داﻧﺸﮕﺎه ﻓﺮدوﺳﻲ ﻣﺸﻬﺪ‬،1389 ‫ اردﻳﺒﻬﺸﺖ‬16 ‫ ﺗﺎ‬14

‫ ﺑﻬﺘﺮ ﺑﻮده اﺳﺖ و دﺑﻲﻫﺎي ﺑﻪ دﺳﺖ آﻣﺪه در اﻛﺜﺮ ﻣﻮارد ﺑﻴﺸﺘﺮ‬RMSE ‫ ﻧﺴﺒﺖ ﺑﻪ ﺗﺎﺑﻊ‬NASH ‫ وﻟﻲ ﺑﻪ ﻃﻮر ﻛﻠﻲ ﻋﻤﻠﻜﺮد ﺗﺎﺑﻊ‬،‫ﻛﺮدن ﺧﻄﺎي ﻧﻘﺎط ﭘﻴﻚ دارﻧﺪ‬
‫ ﭼﻨﺪﻫﺪﻓﻪ ﻣﻘﻴﺪ دار ﺑﺮ روي رﺧﺪاد دوم‬PSO ‫ ﻋﺪم ﻧﻴﻞ ﺑﻪ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮد ﻣﻨﺠﺮ ﺑﻪ ﺗﻮﺳﻌﻪ ﻳﻚ ﻣﺪل دﻳﮕﺮ در ﻗﺎﻟﺐ ﻣﺪل‬.‫ﺑﺮآورد ﺷﺪه اﺳﺖ‬
‫ در‬W ‫ ﺑﻪ ﻋﻨﻮان ﺗﺎﺑﻊ اﺻﻠﻲ ﻣﺪل در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪ و ﺣﺪاﻛﺜﺮ درﺻﺪ ﺧﻄﺎي‬RMSE ‫ ﺗﺎﺑﻊ‬.‫ﮔﺮدﻳﺪ ﻛﻪ در ﻧﻘﺎط ﭘﻴﻚ ﺟﻮاﺑﻬﺎي ﭼﻨﺪان ﻣﻨﺎﺳﺒﻲ را ﻧﻴﺰ ﻧﺪاﺷﺖ‬
‫ ﻧﺘﺎﻳﺞ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ﻧﺸﺎن داد ﻛﻪ ﺑﺎ ﺑﻬﺒﻮد‬.‫ ﻣﻮرد ارزﻳﺎﺑﻲ ﻗﺮار ﮔﺮﻓﺖ‬W ‫ رﺧﺪاد ﻣﻮردﻧﻈﺮ ﺑﺎ ﻣﻘﺎدﻳﺮ ﻣﺨﺘﻠﻒ‬.‫ﺑﺮآورد دﺑﻲ ﭘﻴﻚ ﺑﻪ ﻋﻨﻮان ﻗﻴﺪ ﺗﺤﺼﻴﻞ ﮔﺮدﻳﺪ‬
‫ ﺳﻌﻲ در ﺣﺪاﻗﻞ ﻛﺮدن ﺧﻄﺎي ﻧﻘﺎط‬RMSE ‫ ﻛﻪ اﻳﻦ اﻣﺮ ﺣﺎﻛﻲ از اﻳﻦ واﻗﻌﻴﺖ اﺳﺖ ﻛﻪ اﮔﺮﭼﻪ ﺗﺎﺑﻊ‬.‫ ﺑﺪﺗﺮ ﻣﻲﺷﻮد و ﺑﺎﻟﻌﻜﺲ‬RMSE ‫ﻧﻘﺎط ﭘﻴﻚ ﻣﻘﺪار ﺗﺎﺑﻊ‬
‫ وﻟﻲ در ﻣﻮاردي از اﻳﻦ ﻧﻘﻄﻪ ﻧﻈﺮ ﺑﻪ ﺧﻮﺑﻲ ﻋﻤﻞ ﻧﻜﺮده و ﻣﺪل ﻣﻲﺗﻮاﻧﺪ ﺟﻮاﺑﻬﺎي ﺑﺎ ﺧﻄﺎي ﭘﻴﻚ ﻛﻢ را ﺑﻪ دﺳﺖ آورد ﻛﻪ در آن ﻣﻘﺪار ﺗﺎﺑﻊ‬،‫ﭘﻴﻚ دارد‬
.‫ ﻣﻨﺎﺳﺐ ﻧﺒﺎﺷﺪ‬RMSE

‫ﻣﺮاﺟﻊ‬ .12

1. Gupta, H.V., Sorooshian, S. and Yapo, P.O.,(1999), ” Status of Automatic Calibration for Hydrologic
Models, comparison with multi-level expert calibration”, Journal Of Hydrologic Engineering,.
2. Sorooshian, S.,(1983), “Evaluation of Maximum Likelihood Parameter Estimation Techniques for
Conceptual Rainfall-Runoff Models' Influence of Calibration Data Variability and Length on Model
Credibility”, Water resource research, Vol. 19,
3. Yapo, P., Gupta, H.V. and Sorooshian, S.,(1996), “Automatic Calibration of Conceptual Rainfall-Runoff
Models; Sensitivity to Calibration Data”, Journal of Hydrology, Vol. 181, pp. 23-48.
4. Madsen, H., (2000), “Automatic calibration of a conceptual rainfall–runoff model using multiple
objectives”, Journal of Hydrology, Vol. 235, pp. 276–288.
5.Yapo, P., Gupta, H.V. and Sorooshian, S., (1997), “Multi-objective Global Optimization or Hydrologic
Models”, Journal of Hydrology, Vol. 204, pp. 83-97.
6. Scharffenberger, W.A. and Fleming, M.J. (2008), “Hydrologic Modeling System HEC-HMS User’s
Manual”, USACE, pp. 1-290.
‫ ﮔﺰارش ﻣﺮﻛﺰ ﺗﺤﻘﻴﻘﺎت آب ﺑﺮ روي ﺣﻮﺿﻪ ﺳﺪ ﮔﻠﺴﺘﺎن‬.7

8. Chow, V.T., Maidment, D. R. and Mays, L.W., (1988),” Applied Hydrology”, McGraw, Inc, New York,
USA.
.‫ ﻣﺸﻬﺪ‬،‫ داﻧﺸﮕﺎه اﻣﺎم رﺿﺎ‬،‫ اﺻﻮل ﻫﻴﺪروﻟﻮژي ﻛﺎرﺑﺮدي‬،(1382) ، .‫ ا‬،‫ ﻋﻠﻴﺰاده‬.9

10- USACE, US Army Corps of Engineers.(1990), “ HEC-1 User’s Manual- Hydrologic Engineering
Center”, http://www.hec.usace.army.mil/software/legacysoftware/hec1/hec1-documentation.htm
11. Parsopoulos, K.E and Vrahatis M.N.,( 2002), “Recent approaches to global optimization problems
through Particle Swarm Optimization”, Natural Computing, pp. 235-306
12. Liu, H. and Abraham A.,(2007), “A fuzzy adaptive turbulent particle swarm optimization”, journal of
Innovative Computing and Applications, pp. 39-47.
13. Kumar, D. N. and Reddy, M. J.,(2007), “Multipurpose Reservoir Operation Using Particle Swarm
Optimization”, Journal Of Water Resource Planning And Management, pp. 192-201.
14. Foglia, L. and Hill, M.C., Mehl, S.W. and Burlando, P., “Sensitivity analysis, calibration and testing of a
distributed hydrological model using error-based weighting and one objective function”, pp. 1-60.
15. Wei, J. and Wang, Y.,(2006), “A Novel Multi-objective PSO Algorithm for Constrained Optimization
Problems”, Springer-Verlag Berlin Heidelberg, 174-180.
16. Pant, M., Thangaraj, R. and Abraham, A.,(2007), “A New PSO Algorithm with Crossover Operator for
Global Optimization Problems”, Springer-Verlag Berlin Heidelberg, pp. 215–222..