کاربرد مدلهای ANN و GEP در شبیه سازی بارش-رواناب رودخانه ساروقچای (مطالعه موردی : ایستگاه هیدرومتری صفاخانه )

شبیه سازی بارش-رواناب یکی از اقدامات ضروری برای شناسایی دورههای خشکسالی ، کنترل سیل ، بهینه سازی سامانه های هیدرولوژیکی و برنامه ریزی جامع توسعه منابع آب می باشد. در پژوهش حاضر از مدلهای شبکه عصبی مصنوعی (ANN) و برنامه ریزی بیان ژن (GEP) برای تخمین رواناب ماهانه ایستگاه هیدرومتری صفاخانه واقع در رودخانه ساروقچای استفاده شد. بدین منظور دادههای اندازهگیری شده دبی جریان و بارش در مقیاس زمانی ماهانه طی دوره آماری ۱۳۹۹-۱۳۶۷ به کار گرفته شد. هشت الگوی ترکیبی متنوع بر اساس دادههای مذکور به عنوان ورودی تعریف شدند. طبق نتایج به دست آمده، در هر دو مدل، الگوی ترکیبی شامل همه متغیرهای ورودی بهترین عملکرد را به همراه داشت . از سوی دیگر، نتایج حاکی از آن بود که مدل ANN با دارا بودن بیشترین مقدار ضریب تعیین (۷۹۴ /۰(R۲=، کمترین ریشه میانگین مربعات خطا (۳۹۸/۵(RMSE= و ضریب نش -ساتکلیف برابر ۸۲۲/۰ از تطابق بهتری با مقادیر مشاهداتی برخوردار بود.

Keywords:

بارش-رواناب , شبکه های عصبی مصنوعی , برنامه ریزی بیان ژن , ساروقچای