پریساسادات آشفته - استادیار، گروه مهندسی عمران، دانشکده فنی و مهندسی دانشگاه قم،
زهرا شریعت - دانشجوی کارشناسی، گروه مهندسی عمران، دانشکده فنی و مهندسی دانشگاه قم

در بسیاری از مطالعات هیدرولوژیکی، از جمله تخمین اوج جریان، طراحی سازه های هیدرولیکی و غیره، مدل سازی بارش- رواناب دارای اهمیت است. استفاده از رویکردهای پیشرفت های همچون تلفیق شبکه عصبی مصنوعی ANN باالگوریتم های تکاملی میتوان منجر به بهبود شبکه عصبی در فرآیند مدل سازی بارش-رواناب باشد. در تحقیق حاضر ضمن ترکیب الگوریتم پس انتشار ANN (BP) باالگوریتم ژنتیک GA-BP(GA) و ارزیابی عملکرد آن در شبیه سازی بارش-رواناب حوضه رودخانه قرنقو در آذربایجان شرقی در مقایسه با ANN (BP) از معیارهای عملکرد مانند ریشه میانگین مربعات خطا RMSE و ضریب تعیین R۲ استفاده شده است. نتایج نشان می دهند که مدل GA-BP نسبت به BP با RMSE برابر با ۰/۱۵ عملکرد به نسبت بهتری از BP با RMSE برابر با ۰/۲۵ دارد.

شبکه عصبی مصنوعی، بارش-رواناب، برنامه ریزی ژنتیک