Hibrit parçacık sürü optimizasyonu algoritması ile hidrolojik model kalibrasyonu

Abstract

Hidrolojik modeller içerisinde önemli yere sahip olan kavramsal yağış-akış modellerinin uygun performans sergileyebilmesi için parametrelerinin iyi kalibre edilmesi gerekmektedir. Günümüzde optimizasyon model alanında yaşanılan gelişmelere bağlı olarak model kalibrasyonlarının otomatik arama algoritmaları ile yürütüldüğü görülebilmektedir. Özellikle, doğadan esinlenilerek geliştirilen meta-sezgisel türlerin hidrolojik model kapsamına uyarlanması kaçınılmaz olmuştur. Bu türden algoritmalardan biri olan Parçacık Sürü Optimizasyonu (PSO) pratik yönü bakımından çalışmada esas alınmıştır. Çeşitli avantajlarına rağmen, PSO'nun aynı şartlar altında yaptırılan simülasyonlarda benzer sonuç üretememesi (stabil olamama sorunu) algoritma üzerinde birtakım değişiklikler yapılmasını gerekli kılmaktadır. Hazırlanan çalışmada, PSO gradyen türden Levenberg-Marquardt yöntemi ile birleştirilerek, kararlı arama yapan ve hızlı yakınsayan hibrit bir algoritma haline dönüştürülmüştür. Hibrit PSO (HPSO) olarak anılan algoritma parametre sayısı bakımından farklı olan Gr2m ve Gr5m yağış-akış modellerine uygulanmıştır. Uygulama alanı olarak Gediz Havzası seçilmiş bu havzaya ait 9 akım gözlem istasyonu ile çalışılmıştır. İki parametreye sahip Gr2m modelinde PSO ve HPSO benzer performanslar göstermesine rağmen, parametre bakımından daha yoğun olan Gr5m modelinin kalibrasyonunda HPSO'nun performansı ön plana çıkmıştır. Düşük popülasyon büyüklüğü ve makul sayıda iterasyonla stabil çözüm veren bu hibrit türün farklı hidrolojik modelleme çalışmalarına da güvenle uygulanabileceği düşünülmektedir.

The parameters of conceptual rainfall-runoff models, which have an important place in hydrological models, need to be well-calibrated in order that they perform properly. Today, depending on the developments in the field of optimization, it can be seen that hydrological model calibrations are carried out with automatic search algorithms. In particular, the adaptation of nature inspired meta-heuristics to the scope of the hydrological modeling was inevitable. Particle Swarm Optimization (PSO), which is a popular one among such algorithms, was used in the study in terms of its practical aspects. Despite its various advantages, the fact that PSO does not provide uniform solutions under the several simulations having same conditions (the issue of instability) necessitates some modifications to the existed algorithm. In this study, PSO is combined with the gradient type Levenberg-Marquardt method and transformed into a hybrid algorithm with stable search and fast convergence capabilities. The algorithm termed as hybrid PSO (HPSO) was applied to the Gr2m and Gr5m rainfall-runoff models, which differ in terms of the number of free-parameters. Gediz Basin was chosen as the study area and 9 streamflow gauging stations located at the basin were used. Although PSO and HPSO showed similar performances in two-parameter Gr2m model, HPSO performed more successfully in calibration of the Gr5m model, which is more intensive in terms of parameter numbers. It is thought that the used hybrid algorithm, which gives stable solutions with low population size and adequate number of iterations, can be also exerted to different hydrological modeling studies confidently.