مدل‌سازی جریان روزانۀ رودخانه با استفاده از برنامه‌ریزی ژنتیک و شبکۀ عصبی (مطالعۀ موردی: حوضۀ آبخیز معرّف امامه)

فرایند بارش- رواناب پیچیده و غیرخطی است و مدل‏سازی آن به دلیل عدم قطعیت‏های زیاد یکی از مهم‏ترین دغدغه‏های پژوهشگران در حیطة مسائل منابع آب به‌شمار می‌رود. از بین روش‏های مورد استفاده، مدل‏های هوشمند در پیش‏بینی چنین فرایندهایی مفید و مؤثرند. بنابراین، به منظور مدل‏سازی جریان رودخانه از روش‏های شبکة عصبی مصنوعی و همچنین برنامه‏ریزی ژنتیک به منزلة روشی صریح‌ـ که جزو الگوریتم‏های تکاملی به‌شمار می‌رود‌ـ در حوضة آبخیز معرّف امامه و در دورة آماری 1349 - 1350 تا 1390 - 1391 (42‌ساله) استفاده شد. بدین منظور، از داده‏های هواشناسی و آب‏سنجی در مقیاس روزانه و در قالب 62 مدل پیشنهادی استفاده شد. نتایج نشان داد برنامه‏ریزی ژنتیکی، از میان مدل‏های فراوان، خطای کمتری داشت. خطای مدل‏ها نیز وقتی که فقط از عملگرهای اصلی ریاضی و توان استفاده شد به‌مراتب کمتر بود. سرانجام، با توجه به معیارهای ارزیابی مورد استفاده در این تحقیق، ساختار پیشنهادی با ورودی‏های (مدل 54) دما، باران، و تأخیرهای باران تا دو روز، رطوبت ‏نسبی و تبخیر و تعرق و تأخیر جریان تا دو روز به عنوان بهترین مدل با خطای 001/0، 031/0، و 009/0 در مرحلة آموزش و 001/0، 032/0، و 009/0 در مرحلة آزمایش به‌دست آمد.