Doğrusal Olmayan Bir Taşkın Öteleme Modelinin Diferansiyel Gelişim Algoritması ile Kalibrasyonu

Yıl 2017, Cilt: 7 Sayı: 1, 114 - 121, 01.01.2017

Umut Okkan

Öz

Su kaynakları mühendisliğinde taşkın öteleme hesapları için en sık tercih edilen yöntemlerden biri doğrusal olmayan Muskingum modelidir. Bu çalışmada, mevcut model parametreleri popülasyon tabanlı sezgisel bir optimizasyon algoritması olan diferansiyel gelişim algoritması DGA kullanılarak kalibre edilmiştir. Bahsi geçen bu iki yöntemin entegrasyonu 1995 yılında Isparta-Sütçüler’de meydana gelen taşkın olayına ilişkin verilere uygulanmıştır. DGA yöntemi başlangıç çözümüne bağımlı olmaksızın hızlı bir şekilde uygun çözüme ulaştığı için çalışma kapsamında tercih edilmiştir. Modelleme uygulamasından elde edilen bulgular literatürde yer alan diğer çalışmalarla karşılaştırılmıştır. Değerlendirmeye göre, hazırlanan modelin çeşitli performans ölçütlerince kinematik dalga modeli ile benzer performans gösterdiği ve bu nedenle oldukça pratik olduğu tespit edilmiştir

Anahtar Kelimeler

DGA, Doğrusal olmayan Muskingum modeli, Sezgisel algoritmalar, Taşkın öteleme

Calibration of Nonlinear Flood Routing Model by Differential Evolution Algorithm

Öz

Su kaynakları mühendisliğinde taşkın öteleme hesapları için en sık tercih edilen yöntemlerden biri doğrusal olmayan Muskingum modelidir. Bu çalışmada, mevcut model parametreleri popülasyon tabanlı sezgisel bir optimizasyon algoritması olan diferansiyel gelişim algoritması DGA kullanılarak kalibre edilmiştir. Bahsi geçen bu iki yöntemin entegrasyonu 1995 yılında Isparta-Sütçüler’de meydana gelen taşkın olayına ilişkin verilere uygulanmıştır. DGA yöntemi başlangıç çözümüne bağımlı olmaksızın hızlı bir şekilde uygun çözüme ulaştığı için çalışma kapsamında tercih edilmiştir. Modelleme uygulamasından elde edilen bulgular literatürde yer alan diğer çalışmalarla karşılaştırılmıştır. Değerlendirmeye göre, hazırlanan modelin çeşitli performans ölçütlerince kinematik dalga modeli ile benzer performans gösterdiği ve bu nedenle oldukça pratik olduğu tespit edilmiştir.

Anahtar Kelimeler

Taşkın öteleme, Doğrusal olmayan Muskingum modeli, Sezgisel algoritmalar, DGA

Kaynakça

• Abbass, HA. 2002. An evolutionary artificial neural networks approach for breast cancer diagnosis. Artif. Intell. Med, 25: 265-281.
• Babu, BV., Sastry, KKN. 1999. Estimation of heat transfer parameters in a trickle-bed reactor using differential evolution and orthogonal collocation. Comput. Chem. Eng.,23: 327-339.
• Barati, R. 2013. Application of excel solver for parameter estimation of the nonlinear Muskingum models. KSCE J. Civ. Eng., 17: 1139-1148.
• Başkan, Ö. Ceylan, H. 2014. Ulaşım ağ tasarımı problemlerinin çözümünde diferansiyel gelişim algoritması tabanlı çözüm yaklaşımları. Pamukkale Univ. Muh. Bilim. Derg.(10. Ulaştırma Kongresi Özel Sayısı), 20(9): 324-331.
• Cunge, J. 1969. On the subject of a flood propagation computation method (Muskingum Method). J. Hydraul. Res., 7: 205-230.
• Gill, MA. 1977. Routing of floods in river channels. Nord. Hydrol., 8: 163-170.
• Gill, MA. 1978. Flood routing by Muskingum method. J. Hydrol., 36 (3-4): 353-363.
• Joshi, R., Sanderson, AC. 1999. Minimal representation multisensor fusion using differential evolution. IEEE Trans. Syst. Man, Cybern. - Part A Syst. Humans, 29:63-76.
• Karaboğa, D. 2004. Yapay Zeka Optimizasyonu Algoritmaları. Atlas Yayın Dağıtım, İstanbul.
• Karahan, H., Gürarslan, G. 2012. Kinematik dalga yaklaşımı kullanılarak taşkın öteleme problemlerinin modellenmesi: Sütçüler örneği. VII. Ulusal Hidroloji Kongresi, Süleyman Demirel Üniversitesi, Isparta.
• Karahan, H., Gürarslan, G. 2013. Taşkın öteleme probleminin çözümünde sezgisel optimizasyon yöntemlerinin kullanımı. Taşkın ve Heyelan Sempozyumu, s. 81-93, Trabzon.
• Kaya, B., Arisoy, Y., Ulke, A. 2010. Differential quadrature method (DQM) for numerical solution of the diffusion wave model. J.Flood Eng., 1: 133-147.
• Kaya, B., Ülke, A. 2012. Kinematik dalga modelinin DQM ile çözümü ve Sütçüler taşkını örneği. Teknik Dergi, 23: 5869- 5884
• Kaya, B., Ulke, A., Kazezyılmaz-Alhan, C. 2012. Differential quadrature method in open channel flows: Aksu river. J. Hydrol. Eng., 17: 715 - 723.
• Kennedy, J., Eberhart, RC. 1995. Particle Swarm Optimization, In Proceedings of IEEE International Conference on Neural Networks, 4, 1942-1948, Perth, Australia, IEEE Service Center, Piscataway, NJ.
• Keskin, ME., Ağıralioğlu, N. 1997. A simplified dynamic model for flood routing in rectangular channels. J. Hydrol., 202: 302- 314.
• Keskintürk, 2006. Diferansiyel gelişim algoritması. İst. Tic. Üni. Fen Bil. Der., 9: 85-99.
• Koussis, AD. 1978. Theoretical estimation of flood routing parameters. J. Hydra. Div., 104: 109-115.
• Kulandaiswmay V.C., 1966. A note on the Muskingum method of flood routing. J. Hydrol., 4: 273-276.
• Liu, H., Cai, Z., Wang, Y. 2010. Hybridizing particle swarm optimization with differential evolution for constrained numerical and engineering optimization. Appl. Soft Comput.,10(2): 629-640.
• McCarthy, GT. 1938. The unit hydrograph and flood routing. Conference of North Atlantic Div., U.S. Army Corps of Engineers. Moriasi, DN., Arnold, JG., Van Liew, MW., Bingner, R.L., Harmel, RD.,Veith, TL. 2007. Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Trans. Asabe, 50 (3): 885-900.
• Ponce, VM. 1979. Simplified Muskingum routing equation. J. Hydra. Div., 105: 85-91.
• Rogalsky, T., Kocabiyik, S., Derksen, RW. 2000. Differential evolution in aerodynamic optimization. Can. Aeronaut. Sp. J.,46(4):183-190.
• Ruzek, B., Kvasnicka., M. 2001. Differential evolution algorithm in the earthquake hypocenter location. Pur. App. Geo.,158(4): 667-693.
• Rüttgers, M. 1997. Design of a new algorithm for scheduling in parallel machine shops. Proc. of the Fifth European Congress on Intelligent Techniques and Soft Computing, 2182-2187.
• Singh, V.P., McCann, RC. 1980. Some notes on Muskingum method of flood routing. J. Hydrol., 48: 343-361.
• Stephenson, D. 1979. Direct optimization of Muskingum routing coefficients. An extension to the paper by Gill, M. A. Flood routing by the Muskingum method. J. Hydrol.,41: 161-165.
• Storn, R., Price, K. 1995. Differential evolution: A simple and efficient adaptive scheme for global optimization over continuous spaces, ICSI, USA, Technical Report, TR-95-012.
• Storn, R. 1996. Differential evolution design of an IIT-filter with requirements for magnitude and group delay. Proc. of IEEE International Conference on Evolutionary Computation, 268- 273.
• Storn, R. 1999. Designing digital filters with differential evolution. D. Corne, M. Dorigo, and F. Glover (eds.), New Ideas in Optimization, London: McGraw-Hill, UK, 109-125.
• Strupczewski, W., Kundzewicz, Z. 1980a. Muskingum method revisited. J. Hydrol., 48: 327-342.
• Strupczewski, W., Kundzewicz, Z. 1980b. Translatory characteristics of the Muskingum method of flood routing – A comment. J. Hydrol., 48: 363-368.
• Tasgetiren, MF., Liang, YC., Sevkli, M., Gencyilmaz, G. 2004. Differential evolution algorithm for permutation flowshop sequencing problem with makespan criterion. Proc. of the Fourth International Symposium on Intelligent Manufacturing Systems, pp. 442-452, Sakarya.
• Thomsen, R. 2003. Flexible ligand docking using differential evolution. Proceedings of the Fifth Congress on Evolutionary Computation,(CEC- 2003), IEEE Press, pp. 2354–2361, Piscataway, NJ, USA.
• Tung, YK. 1985. River flood routing by nonlinear Muskingum Method. J. Hydra. Eng., 111(12): 1447-1460.
• Ülke, A. 2003. Muskingum metodu kullanılarak taşkın ötelenmesi. Yüksek Lisans Tezi, Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Isparta.
• Vesterstrzm, J., Thomsen, R. 2004. A comparative study of differential evolution, particle swarm optimization and evolutionary algorithms on numerical benchmark problems. Proceedings of the Sixth Congress on Evolutionary Computation (CEC-2004), IEEE Press, pp. 1980–1987, Piscataway, NJ, USA.