Multi-objective calibration of Tank model using multiple genetic algorithms and stopping criteria

Abstract

Calibration of hydrologic models estimates parameter values that cannot be measured and enable the rainfall-runoff processes simulation. Multi-objective evolutionary algorithms can make the calibration faster and more efficient through an iterative process. However, the standard stopping criterion used to stop the iterative process is to reach a pre-defined number of iterations defined by the modeller. Alternatively, the Ticona stopping criterion is based on the minimum number of iterations required to achieve a determined number of non-dominated solutions in the Pareto front, resulting in a reduction of the computational time without losing performance during the calibration processes. We evaluated the Ticona stopping criterion in the Tank Model calibration. The calibration processes were performed using data from two river basins, with three genetic algorithms and two objective functions. The Ticona stopping criterion required a computational time 27.4% to 44.1% lower than using the standard stopping criterion and were obtaining similar results in simulated streamflow time series and similar values of the best set of parameters.

A calibração de modelos hidrológicos estima os valores de parâmetros que não podem ser mensurados e permite a simulação dos processos chuva-vazão. Os algoritmos evolucionários multi-objetivos podem tornam a calibração mais rápida e eficiente por meio de processos iterativos. Contudo, o critério de parada padrão usado para encerrar o processo iterativo é baseado em um número de iterações pré-definido pelo usuário. Como alternativa, o critério de parada Ticona é baseado no número mínimo de iterações requerido para alcançar um determinado número de soluções não-dominadas na Frente de Pareto, resultando em um menor tempo computacional sem perda de desempenho durante a calibração. Neste estudo, foi avaliado o uso do critério de parada Ticona na calibração do Tank Model. A calibração foi realizada em duas bacias hidrográficas, usando três algoritmos genéticos e duas funções-objetivo. Os resultados indicaram um tempo computacional 27,4% a 44,1% menor quando utilizado o critério de parada Ticona em comparação com o critério de parada padrão, ao mesmo tempo que foram obtidos resultados similares quanto aos valores dos parâmetros calibrados e à série temporal de vazão simulada.