حبیب اکبری الاشتی - دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه تهران، تهران
امید بزرگ حداد - استادیار دانشگاه تهران
الهه فلاح مهدی پور - دانشجوی دکتری مهندسی منابع آب، دانشگاه تهران، تهران.

یکی از اهداف در مدیریت منابع آب، استفاده بهینه و پایدار از منابع آب است. بر همین اساس یکی از وظایف مدیران وبرنام هریزان در حوزه منابع آب کاهش مخاطرات ناشی از سیلاب و خشکسالیها و بهرهبرداری بهینه از منابع آب همچون مخازن سدها است که از ملزومات آن پیشبینی میزان این منابع در آینده میباشد. از این رو پیشبینی جریان در رودخانهها از اهمیت ویژهای در مدیریت منابع آب برخوردار میباشد. به همین دلیل، همواره تلاشهای زیادی برای طراحی و معرفی مد لهای دقیق پیشبینی صورت گرفته است. از جمله این مدلها میتوان به روشهای سریزمانی، روشهای متکی برشبک ههای عصبی مصنوعیANN)برنامهریزی ژنتیکGP) اشاره نمود. در سالهای گذشته تحقیقات زیادی در ارزیابی این مدلها انجام گرفته است که نتایج حاکی از برتری مدلهای هوشمصنوعی نسبت به مدلهای آماری بوده است. در تحقیقحاضر از روش برنامهریزی ژنتیکGP)و شبکه عصبی مصنوعیANN) برای پیشبینی جریان ماهانه رودخانه سعیدآباد واقع در استان آذربایجان شرقی استفاده شده است و دقت نتایج حاصله با یکدیگر و همچنین نتایج روش خود همبسته میانگین متحرک با ورودیهای غیرتصادفیARMAX) مورد مقایسه قرار گرفته است.

کلیدیبرنامهریزی ژنتیک، پیشبینی ماهانه جریان، شبکه عصبی مصنوعی،ARMAX