واسنجي مدل بارش - رواناب مفهومي با كمك الگوريتم جهش تركيبي قورباغه

كاربرد موفقیت آمیز مدل های پیش بینی بارش - رواناب به نحوه ی واسنجی پارامترهای آنها بستگی دارد.تخمین پارامترهای این گونه مدل ها عموما به صورت مستقیم به دلیل تعداد بالای پارامترها غیر ممكن می باشد و لازم است به كمك ابزارهای بهینه سازی (واسنجی مدل) آنها را برآورد نمود. در تحقیق حاضر واسنجی پارامتر های مدل بارش–رواناب روزانه Hymod (یك مدل سادهی مفهومی بارش–رواناب ) با استفاده از الگوریتم جهش تركیبی قورباغه(SFLA) كه از نحوه ی جستجوی غذای گروه های قورباغه سرچشمه گرفته است، انجام شد. ارزیابی روش واسنجی مذكور با استفاده از داده های روزانه بارش و تبخیر و تعرق برای 5 سال در حوضه رودخانه لیف آمریكا انجام گردید. مقایسه مقادیر دبی شبیه سازی شده و مشاهده شده با كمك آماره های ریشه میانگین مربعات خطا (RMSE) ضریب همبستگی (R2) و ضریب ناش- ساتكلیف (NS) نشان از كارایی بالای این روش در زمینه واسنجی مدل های بارش-رواناب دارد.