یوسف حسن زاده - گروه آب دانشکده عمران دانشگاه تبریز
آرش یاقوتی - گروه آب دانشکده فنی دانشگاه آزاد اسلامی واحد اهر
پیمان یوسفی - گروه آب دانشکده عمران دانشگاه تبریز

مدلسازی وضعیت بارش درمنابع آب نقش بسیارحیاتی به عهده دارد پیش بینی بارندگی برای برنامه ریزی منابع آب خصوصا دردوره های خشکسالی و جلوگیری ازخسارت ناشی ازآن میتواند نقش اساسی داشته باشد باتوجه به پیشرفت تکنولوژی اگرچه این مدلسازی و پیش بینی دردامنه زمان و مکان امری محال نیست ولی ازپیچیدگی های بسیاری برخوردار است دراین تحقیق مدلسازی بارش ماهانه ازسه منظر مورد بررسی قرارگرفت : نوع ورودی و ترکیب آنها : در6ترکیب متفاوت ورودی، علاوه بربارش ماهانه ازپارامتر های دما فشارورطوبت استفاده شد /روش مدلسازی : درتحلیل حاضر ازشبکه عصبی مصنوعی پرسپترون چندلایه و ساختاردرختی برنامه ریزی بیان ژن استفاده شد /گسسته سازی : دونوع موجک مادر متفاوت به منظور برسی بهبود کارایی مدلها به کارگرفته شد تحقیق حاضر در2ایستگاه اصلی سینوپتیکی استان اذربایجان شرقی شامل تبریز اهر که دارای اماربارندگی بیش از24سال هستند صورت گرفت و درنهایت عملکرد مدلها توسط شاخص های اماری ضریب همبستگی r و جذرکمترین مربعات خطا rmse ارزیابی گردید نتایج حا صل حاکی ازدقت مطلوب مدل ترکیبی موجک - شبکه عصبی درمدلسازی بارش ماهانه می باشد

مدلسازی بارش , برنامه ریزی بیان ژن , مدل ترکیبی عصبی - موجک