مهدی علینژادی - ۱- Department of Water Engineering and Hydraulic Structures, Faculty of Civil Engineering, Semnan University, Semnan, Iran.
سید فرهاد موسوی - ۱- Department of Water Engineering and Hydraulic Structures, Faculty of Civil Engineering, Semnan University, Semnan, Iran.
خسرو حسینی - ۱- Department of Water Engineering and Hydraulic Structures, Faculty of Civil Engineering, Semnan University, Semnan, Iran.

امروزه، پیشبینی جریان رودخانه ها از مباحث مهم در هیدرولوژی و منابع آب است که میتوان از نتایج الگوبندی جریان رودخانه در مدیریت منابع آب، مدیریت سازه های آبی و پیش بینی سیل استفاده کرد. در این تحقیق، عملکرد مدل برنامه ریزی بیان ژن (GEP)، رگرسیون پارامتریک خطی (LR)، رگرسیون پارامتریک غیرخطی (NLR) و همچنین روش ناپارامتریک -K نزدیک­ترین همسایگی (K-NN)، در پیشبینی میانگین دبی روزانه رودخانه کارون در محل ایستگاه هیدرومتری ملاثانی طی دوره آماری ۹۶-۱۳۴۶ مورد ارزیابی قرار گرفته است. ترکیب­ های مختلفی از داده های ثبت شده به عنوان الگوی ورودی برای پیش بینی دبی جریان استفاده شد. نتایج به دست آمده حاکی از عملکرد بهتر مدل برنامه ریزی بیان ژن با ضریب تبیین (۰/۸۲۷= R۲)، جذر میانگین مربعات خطا (۵۹/۴۵=  RMSE) و میانگین خطای مطلق (۲۶/۶۴MAE=) در مرحله صحت سنجی برای پیشبینی دبی روزانه رودخانه کارون در ایستگاه ملاثانی با تاخیر ۵ روز، در مقایسه با روش های LR، NLR و K-NN بوده است. همچنین، ارزیابی عملکرد مدل ها در پیش بینی مقادیر حداکثر آبدهی جریان نشان داد که همه مدل ها میزان جریان را در بیشتر موارد کمتر از مقدار مشاهداتی تخمین زده اند. 

River discharge, Gene expression programming, Linear and nonlinear regression, K- nearest neighbor, Karun., آبدهی رودخانه, برنامه ریزی بیان ژن, رگرسیون خطی و غیرخطی, K - نزدیک ترین همسایگی, کارون.