هادی ثانی خانی

پیش‌بینی رواناب در حوضه‌های آبریز، یکی از اقدامات ضروری برای شناسایی دوره‌های خشکسالی، کنترل سیل و برنامهریزی جامع مدیریت منابع آب می‌باشد. در پژوهش حاضر از مدل‌های شبکه عصبی مصنوعی (ANN) و برنامه‌ریزی بیان ژن (GEP) برای تخمین رواناب ماهانه ایستگاه هیدرومتری سنته واقع در رودخانه خورخوره‌‌چای (منتهی به سد شهید کاظمی) استفاده شد. بدین منظور داده‌های اندازه‌گیری شده دبی جریان و بارش در مقیاس زمانی ماهانه طی دوره آماری 1399-1367 به‌کار گرفته شد. هفت الگوی ترکیبی متنوع بر اساس داده‌های مذکور به عنوان ورودی تعریف شدند. یافته‌های تحقیق حاکی از آن بود که در همه ایستگاه‌ها، متغیر بارش ماه فعلی بیشترین تأثیر مثبت را در بالا بردن دقت مدل‌ها به‌منظور پیش-بینی رواناب ماهانه به همراه داشت. طبق نتایج به‌دست آمده، در هر دو مدل، الگوی ترکیبی شامل همه متغیرهای ورودی بهترین عملکرد را به همراه داشت. از سوی دیگر، نتایج نشان داد که مدل GEP با دارا بودن بیشترین مقدار ضریب تعیین (799/0=R2)، کمترین ریشه میانگین مربعات خطا (460/5=RMSE) و ضریب نش-ساتکلیف برابر 798/0 از تطابق بهتری با مقادیر مشاهداتی برخوردار بود.