خاطره رضایی - دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب، دانشگاه آزاد اسلامی کرمان، ایران
نوید جلال کمالی - استادیار، گروه مهندسی آب، دانشگاه آزاد اسلامی کرمان، ایران
امیر جلال کمالی - استادیار، گروه مهندسی آب، دانشگاه آزاد اسلامی کرمان، ایران

در این مطالعه به پیش بینی آبدهی رودخانه فهلیان در حوضه زهره با استفاده از شبکه عصبی مصنوعی وشبکه عصبی تکامل گرا پرداخته شد و عملکرد این دو مدل هوشمند با یکدیگر مقایسه گردید. عواملهواشناسی و هیدرولوژیک به کار گرفته شده شامل میانگین درجه حرارت، مجموع بارش و آبدهی متوسط درمقیاس ماهانه در حوضه مربوط به این رودخانه می باشند. در شبکه عصبی پیشرو چندلایه ، بر اساسساختارهای مختلف بررسی شده (حاصل از ترکیب پارامترها و تأخیرهای زمانی مربوط به هریک به عنوانورودی های مدل و تغییر تعداد نرون های لایه پنهان)، 5 الگو که بهترین عملکرد را داشتند، انتخاب گردیدند.در شبکه عصبی تکامل گرا، ورودی ها و همچنین تعداد نرون های لایه پنهان شبکه عصبی توسط الگوریتمژنتیک با تابع هدف حداقل سازی میانگین مربعات خطا بهینه شدند. نتایج نشان داد که با استفاده از معیارمیانگین مربعات خطا در مجموعه آزمون، شبکه عصبی تکامل گرا نسبت به شبکه عصبی پیشرو بهتر عمل میکند.

الگوریتم ژنتیک، شبکه عصبی پیشرو چند لایه، شبکه عصبی تکامل گرا، ضریب همبستگی، عملکرد