پویا قزل ایاق - دانشجوی کارشناسی ارشد مهندسی منابع آب، پردیس ابوریحان، دانشگاه تهران
سامی قوردویی میلان - دانشجوی کارشناسی ارشد مهندسی منابع آب، پردیس ابوریحان، دانشگاه تهران
محمدرضا عینی کریم کندی - دانشجوی کارشناسی ارشد مهندسی منابع آب، پردیس ابوریحان، دانشگاه تهران

پیش بینی های هیدرولوژیکی یکی از ابزارهای مهم و کارآمد در مدیریت منابع آب می باشند. مقدار جریان رودخانه یکی از مهمترین عوامل هیدرولوژیکی در طراحی، بهره برداری و مطالعات مربوطبه سامانه های منابع آب به شمار می آید. با توجه به گسترش فراوان مدل های آماری در سال های اخیر و تعدد زیاد این نوع مدل ها ( همچون مدل سری های زمانی، شبکه های عصبی مصنوعی، منطق فازی،نروفازی و برنامه ریزی به بیان ژن و ...)در پیش بینی جریان رودخانه یافتن مدلی با کارآیی بهتر از میان مدل های موجود را امری ضروری می کند. در تحقیق حاضر از روش های شبکه ی عصبی مصنوعی و برنامه ریزی به بیان ژن به جهت پیش - بینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری1350تا1384 استفاده گردید. نتایج نشان داد که مدل شبکه ی عصبی مصنوعی (ANN) با MSE 4... نسبت به مدل برنامه ریزی به بیان ژن (GEP) با MSE 0.26 مدل بارش-رواناب را با دقت بالاتری پیش بینی نموده است . همچنین این تحقیق نشان می دهد مدل شبکه های عصبی مصنوعی توانایی بالایی برای برآورد دبی های پیک ندارد، اما دبی های با مقادیر کم را به خوبی شبیه سازی می کند

شبکه عصبی مصنوعی، برنامه ریزی بیان ژن، پیش بینی ، جریان رودخانه ، لیقوان