محمدرضا نیک پور - دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
سجاد محمودی بابلان - ، گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.

چکیده روندیابی جریان در رودخانه­ها یکی از پراهمیت ترین موضوعات در مدیریت منابع آب های سطحی جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشک سالی ها است. در این تحقیق از مدل های شبکه عصبی مصنوعی، برنامه­ریزی بیان ژن، موجک- عصبی و حداقل مربعات ماشین بردار پشتیبان به منظور روندیابی جریان روزانه رودخانه بالخلوچای واقع در حوضه آبریز دره­رود استفاده شد. در این راستا داده های روزانه دو ایستگاه هیدرومتری متوالی واقع بر رودخانه مذکور به­کار گرفته شد. برای ارزیابی مدل­ها از شاخص­های آماری ریشه میانگین مربعات خطا، ضریب همبستگی، ضریب نش- ساتکلیف و بایاس استفاده شد. نتایج گویای عملکرد قابل قبول هر چهار مدل و برتری مدل حداقل مربعات ماشین بردار پشتیبان با بیشترین ضریب همبستگی (894/0=R)، کمترین ریشه میانگین مربعات خطا (m3/s540/1=RMSE) و ضرایب نش-ساتکلیف و بایاس برابر 813/0 و 013/0 در مرحله صحت­سنجی بود. اما در برآورد دبی بیشینه (سیلاب) مدل موجک- عصبی با میانگین خطای نسبی 21/34 درصد، از خطای کمتری نسبت به سایر مدل­ها برخوردار بود. لازم به ذکر است که کلیه مدل­ها در تخمین جریان ایستگاه پایین­دست حالت کم­برآورد داشتند.

واژه های کلیدی: برنامه ریزی بیان ژن, حداقل مربعات ماشین بردار پشتیبان, روندیابی جریان, شبکه عصبی مصنوعی, موجک- عصبی