YABANİ OT VE DİFERANSİYEL EVRİM ALGORİTMALARININ AYLIK KAVRAMSAL BİR YAĞIŞ-AKIŞ MODELİ KALİBRASYONU ÜZERİNDEN PERFORMANSLARININ İRDELENMESİ

Abstract

Kavramsal hidrolojik modeller genelde deterministik ve ortalanmış yapıda olup bu modellerde su bütçesi denklemleri esas alınarak hidrolojik çevrim unsurlarının farklı parametreler vasıtasıyla tanımlanması sağlanmaktadır. Söz konusu modellerin, su kaynakları mühendisliğindeki kullanımı önem taşımaktadır. Bu modeller havzanın yağış-akış ilişkilerinin açıklanması, eksik akım verilerinin tamamlanması, iklim değişikliğinin akımlar üzerindeki olası etkilerinin analizi gibi çeşitli alanlarda kullanılmaktadır. Kavramsal modellerin bir havzanın yağış-akış ilişkisini temsil etmedeki yetkinliği havza çıkışındaki akımın doğru tahmin edilmesine bağlıdır. Bu da hidrolojik modeli kontrol eden parametrelerin kalibrasyonu ile sağlanmaktadır. Bu süreç, model akışları ile gözlenen akışlar arasındaki hataları minimum yapan parametrelerin belirlenmesine dayanan bir optimizasyon problemine dönüşmektedir. Bu nedenle, bazı optimizasyon algoritmalarının kullanılması tahmin edilen parametrelerin güvenirliğini arttırmaktadır. Hazırlanan bu çalışmada, meta-sezgisel optimizasyon tekniklerinden olan yabani ot algoritması (YOA) ve diferansiyel evrim algoritması (DEA) seçilmiş ve bunların üç parametreli hidrolojik bir modelin kalibrasyonunda değerlendirilmeleri sağlanmıştır. İki algoritmanın yakınsama performansları değerlendirilmiş ve algoritma yapılarının hidrolojik model kalibrasyonunda ne ölçüde kullanılabileceği sorgulanmıştır. Bulgulara göre, DEA algoritmasının hem kodlanabilirlik bakımından pratik hem de optimum çözümü bulmadaki yakınsama performansı açısından daha etkili olduğu tespit edilmiştir.