فهرست نشریات علمی دسترسی آزاد ایران

مدل‌سازی بارش- رواناب یکی از پراهمیت‌ترین موضوعات در مدیریت منابع آب‌های سطحی برای اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشک‌سالی‌ها است. در این تحقیق از مدل‌های شبکه ­های عصبی مصنوعی، برنامه­ریزی بیان ژن، موجک- عصبی و حداقل مربعات ماشین بردار پشتیبان به­منظور تخمین جریان روزانه رودخانه دره­رود استفاده شد. داده‌های دبی و بارش روزانه ایستگاه مشیران واقع بر رودخانه مذکور و در بالادست سد عمارت به­کار گرفته شد. نتایج نشان داد که الگوی تعریف شده بر اساس دبی روز قبل و بارش همان روز می­تواند بهترین برآورد را از رواناب روزانه داشته باشد. هم­چنین نتایج بیانگر عملکرد قابل قبول مدل­ها و برتری مدل موجک- عصبی با بیشترین ضریب همبستگی (952/0= R )، کمترین ریشه میانگین مربعات خطا (589/1= RMSE ) و ضریب نش ساتکلیف برابر 905/0 در مرحله صحت­سنجی بود. در برآورد دبی بیشینه نیز مدل مذکور با میانگین خطای نسبی 97/25 درصد، از خطای کمتری نسبت به سایر مدل­ها برخوردار بود.