رضا دهقانی - مهندسی منابع آب- دانشگاه تبریز
محمد علی قربانی - دانشیار، گروه مهندسی آب، دانشگاه تبریز
محمد تشنه لب - استاد گروه مهندسی برق – کنترل، دانشگاه خواجه نصیرالدین طوسی،
امیر ریخته گر غیاثی - استادیار، گروه مهندسی برق - کنترل، دانشگاه تبریز، ایران
اسماعیل اسدی - استادیار، گروه مهندسی آب، دانشگاه تبریز، ایران

پیش بینی جریان رودخانه برای برنامه ریزی طراحی و مدیریت مطمئن پروژه های منابع آب مهم است. در این پژوهش قابلیت کاربرد شبکه عصبی بیزین، برنامه ریزی ژن، ماشین بردار پشتیبان و رگرسیون خطی چندمتغیره برای پیش بینی سری زمانی جریان رودخانه صوفی چای بررسی شد. سری زمانی جریان روزانه رودخانه برای دوره ۱۳۷۶ تا ۱۳۸۹ برای ایستگاه هیدرومتری تازه کند رودخانه صوفی چای مورد استفاده واقع شد. جهت بدست آوردن بهترین نگاشت ورودی و خروجی؛ ترکیبات مختلف ورودی با استفاده از داده های پیشین جریان روزانه رودخانه محاسبه شد. کارایی مدل ها با استفاده از چهار معیار خطای: ضریب همبستگی (CC)، ریشه جذر میانگین خطا (RMSE ( و ضریب نش ساتکلیف و بایاس محاسبه شد. مقایسه مدل ها نشان داد که شبکه عصبی بیزین با ضریب همبستگی (۹۹۱/۰)، جذر میانگین مربعات خطا (m۳/s۰۳۱/۰)، نش ساتکلیف (۹۸۱/۰) و مقدار بایاس (۰۰۶/۰-) بهترین تخمین را از داده های روزانه جریان رودخانه نسبت به مدل های برنامه ریزی بیان ژن، ماشین بردار پشتیبان و رگرسیون خطی چندمتغیره داشته است.

: برنامه ریزی بیان ژن, دبی جریان, شبکه عصبی بیزین, ماشین بردار پشتیبان