میلاد شرفی - دانشجوی کارشناسی، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
سعید صمدیان فرد - استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
سجاد هاشمی - دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

برآورد و پیش بینی بارش و دستیابی به مقدار رواناب ناشی از آن، نقش اساسی و مؤثری را در مدیریت و بهره برداری صحیح از حوضه، مدیریت سدها و مخازن، به حداقل رساندن خسارات ناشی از سیلاب و خشکسالی و مدیریت منابع آب ایفا می کند. عملکرد مطلوب مدل های هوشمند باعث افزایش استفاده از آنها برای پیش بینی پدیده های مختلف هیدرولوژیکی شده است. لذا در این پژوهش، دو مدل هوشمند برنامه ریزی ژنتیک و ماشین بردار پشتیبان برای پیش بینی بارش ماهانه استان اردبیل به کار گرفته شده و از داده های بارش، دما و رطوبت نسبی در مقیاس ماهانه به عنوان پارامترهای ورودی مدل ها استفاده شد. نتایج به دست آمده نشان داد که عملکردهر دو مدل خوب و تقریبا یکسان بوده ولی با توجه به ارزیابی های انجام شده مدل رگرسیون بردار پشتیبان عملکرد نسبتا بهتری داشته است. به طورکلی می توان گفت که مدل رگرسیون بردار پشتیبان برای مدل سازی و پیش بینی بارش ماهانه استان اردبیل مناسب تر بوده است.

پیش بینی، بارش ماهانه، برنامه ریزی ژنتیک، ماشین بردار پشتیبان، استان اردبیل