Comparative assessment of six automatic optimization techniques for calibration of a conceptual rainfall—runoff model

Abstract

In this application-based study, six automated strategies of parameter optimization are used for calibration of the conceptual soil moisture accounting and routing (SMAR) model for rainfall—runoff simulation in two catchments, one small and the other large. The methods used are: the genetic algorithm, particle swarm optimization, Rosenbrock's technique, shuffled complex evolution of the University of Arizona, simplex search, and simulated annealing. A comparative assessment is made using the Nash-Sutcliffe model efficiency index and the mean relative error (MRE) to evaluate the performance of each optimization method. It is found that the degree of variation of the values of the water balance parameters is generally less for the small catchment than for the large one. In the case of both catchments, the probabilistic global population-based optimization method of simulated annealing is considered best in terms of having the least variability of parameter values in successive tests, thereby alleviating the phenomenon of equifinality in parameter optimization, and also in producing the lowest MRE in verification.

Résumé

Dans cette étude de mise en application, six stratégies automatiques d'optimisation de paramètres sont utilisées pour le calage du modèle conceptuel “soil moisture accounting and routing” (SMAR) pour la simulation pluie—débit dans deux bassins versants, l'un petit et l'autre grand. Les méthodes utilisées sont: l'algorithme génétique, l'optimisation par essaim de particules, la technique de Rosenbrock, la technique “shuffled complex evolution” de l'Université d'Arizona, la méthode du simplex et celle du recuit simulé. Une estimation comparative est menée à l'aide de l'indice d'efficience de modélisation de Nash-Sutcliffe et de l'erreur relative moyenne pour évaluer la performance de chaque méthode d'optimisation. Il apparaît que le degré de variation des valeurs des paramètres du bilan hydrologique est généralement inférieur pour le petit bassin versant que pour le grand. Dans le cas de l'ensemble des deux bassins, la méthode d'optimisation du recuit simulé, probabiliste globale basée sur la population, apparaît être la meilleure en termes de moindre variabilité des valeurs des paramètres au cours de tests successifs, ce qui atténue le phénomène d'équifinalité vis-à-vis de l'optimisation des paramètres et également de la minimisation de l'erreur relative moyenne lors de la vérification.

Key words:

• optimization
• SMAR
• genetic algorithm
• Rosenbrock
• simplex
• particle swarm optimization
• simulated annealing
• shuffled complex evolution

Mots clefs:

• optimisation
• SMAR
• algorithme génétique
• Rosenbrock
• simplex
• optimisation par essaim de particules
• recuit simulé
• shuffled complex evolution