برآورد رواناب حوضه آبریز خورخورهچای با استفاده از مدل های هوشمند

پیشبینی رواناب در حوضه های آبریز، یکی از اقدامات ضروری برای شناسایی دوره های خشکسالی، کنترل سیل و برنامه ریزی جامع مدیریت منابع آب می باشد. در پژوهش حاضر از مدل های شبکه های عصبی مصنوعی (ANN) و برنامه ریزی بیان ژن (GEP) برای تخمین رواناب ماهانه ایستگاه هیدرومتری سنته واقع در رودخانه خورخورهچای (منتهی به سد شهید کاظمی) استفاده شده است. به منظور داده های اندازه گیری شده شامل دبی جریان و بارد در مقیاس زمانی ماهانه طی دوره آماری ۱۳۶۷-۱۳۹۹ به کار گرفته شده است. ویژگی های گوی ترکیبی متنوع بر اساس داده های مذکور به عنوان ورودی تعریف شده اند. یافته های تحقیق حاکی از آن بود که در همه ایستگاه ها، متغیر بارد ماه فعلی بیشترین تاثیر مثبت را در بالا بردن دقت مدل ها به منظور پیش بینی رواناب ماهانه به همراه داشته است. طبق نتایج به دست آمده، در هر دو مدل، ویژگی گوی ترکیبی شامل همه متغیرهای ورودی بهترین عملکرد را به همراه داشت. از سوی دیگر، نتایج نشان داد که مدل GEP با داشتن بیشترین مقدار ضریب تعیین (R^۲=۰.۷۹۹)، کمترین ریشه میانگین مربعات خطا (RMSE=۴۶۰.۵) و ضریب نشان دهنده برابر ۰.۷۹۸ از تابع بهتری با مقادیر مشاهداتی برخوردار بود.

کلیدواژه ها:

بارش-رواناب ، شبکه های عصبی مصنوعی ، برنامه ریزی بیان ژن ، خورخورهچای