@article { author = {Mohammad Rezapour Tabari, M. and Emami Dehcheshmeh, S.A.}, title = {Development of Nonlinear Muskingum Model Using Evolutionary Algorithms Hybrid}, journal = {Iran-Water Resources Research}, volume = {14}, number = {1}, pages = {160-167}, year = {2018}, publisher = {Iranian Water Resources Association}, issn = {1735-2347}, eissn = {2476-7360}, doi = {}, abstract = {The nonlinear Muskingum model has a significant advantage as compared to the linear one due to the nonlinear relationship between storage and flow dishcrage. In this model, the correct estimation of the parameters is necessary to achieve the proper precision. Previous studies indicate that there are five nonlinear corrected models, which, with different optimization algorithms, tried to increase the prediction accuracy of output hydrographs. Due to the error in the output hydrograph of the previous models, in this study, a new structure of nonlinear Muskingum model was developed based on hybrid PSO and DSO algorithms. In this model (NL6 model) with eight parameters, the improvement coefficient γ are used. This coefficient takes less and more than one according to the number of peak discharge in the output hydrograph. By applying the proposed approach to the three types of input hydrograph and determining the optimal values of the parameters of the NL6 model, it shows that this model has a high accuracy in estimating the discharge values of the output hydrograph. The error reduction rate of the NL6 model based on SSQ and SAD indicators for multi-peak hydrographs is 53 and 35.6 percent compared to the last proposed model, respectively. So, this model can have a high performance in estimated flood routing hydrograph.}, keywords = {Flood Routing,Nonlinear Muskingum Method,parameter estimation,Evolutionary Algorithms Hybrid}, title_fa = {توسعه مدل غیرخطی ماسکینگام با استفاده از هیبرید الگوریتم‌های فراکاوشی}, abstract_fa = {با توجه به وجود ارتباط غیرخطی بین ذخیره و دبی جریان در مدل ماسکینگام غیرخطی، این مدل از مزیت‌های بالایی نسبت به مدل خطی برخوردار می-باشد. تخمین صحیح پارامترهای این مدل، جهت دستیابی به دقت مناسب ضروری است. بررسی مطالعات قبلی بیانگر وجود 5 مدل غیرخطی اصلاح شده است که با الگوریتم‌های مختلف بهینه‌سازی سعی نمودند تا دقت پیش‌بینی هیدروگراف خروجی را افزایش دهند. با توجه به خطای موجود در هیدروگراف خروجی روندیابی شده توسط مدل‌های قبلی، در این مطالعه ساختار جدیدی از مدل غیرخطی ماسکینگام بر مبنای هیبرید الگوریتم‌های فراکاوشی PSO و DSO توسعه داده شد. در این مدل 8 پارامتره (مدل NL6) از ضریب بهبوددهنده γ، که با توجه به تعداد دبی اوج واقع در هیدروگراف خروجی مقادیر کمتر و بیشتر از یک را به خود می‌گیرد، استفاده گردید. اعمال رویکرد پیشنهادی بر روی سه نوع هیدروگراف ورودی و تعیین مقادیر بهینه پارامترهای مدل NL6 نشان می‌دهد که این مدل از دقت بالایی در تخمین مقادیر دبی هیدروگراف خروجی برخوردار می‌باشد. میزان کاهش خطای مدل NL6 بر اساس شاخص‌های SSQ و SAD برای هیدروگراف چند اوجه به ترتیب برابر با 53 و 6/35 درصد نسبت به آخرین مدل پیشنهادی می‌باشد. لذا این مدل می‌توان از عملکرد بالایی در تخمین هیدروگراف روندیابی شده سیل برخوردار باشد.}, keywords_fa = {روندیابی سیلاب,روش ماسکینگام غیرخطی,برآورد پارامتر,هیبرید الگوریتم‌های فراکاوشی}, url = {https://www.iwrr.ir/article_51333.html}, eprint = {https://www.iwrr.ir/article_51333_6712648ac4a5767e087b491bdf78b6d9.pdf} }