رضا سبحانی - دانشگاه ارومیه
سروین زمان زاد قویدل - پژوهشگر پسا دکتری، گروه مهندسی آبیاری و آبادانی پردیس کشاورزی و منابع طبیعی کرج، دانشگاه تهران
هادی ثانی خانی - گروه علوم و مهندسی آب، دانشگاه کردستان
مجید منتصری - گروه مهندسی آب، دانشگاه ارومیه

تغییرات اقلیمی و تاثیر آن در وضعیت منابع آبی میتواند از جنبههای مختلف زندگی و حیات بشر در روی زمین را به مخاطره بیاندازد. در این مطالعه، با استفاده از روش­های منفرد و هیبریدی-موجکی شبکه عصبی مصنوعی، سامانه استنتاجی فازی عصبی (دسته­بندی تفریقی) و برنامه­ریزی بیان ژن به مدل­سازی پارامتر جریان پرداخته شده است. بدین منظور از داده­های اقلیمی ماهانه با طول دوره آماری ۲۱ ساله (۱۳۹۵-۱۳۷۵) جریان، دما و بارش ایستگاه تپیک واقع در رودخانه نازلوچای ارومیه استان آذربایجان­غربی استفاده شده است. در این مطالعه تاثیر پارامترهای جریان تاخیری، بارش، دما و اثر فصلی (ضریب ماهانه) در مدل­ها بررسی شده است. نتایج حاکی از عملکرد برتر مدل­های هیبریدی-موجکی نسبت به مدل­های منفرد محاسبات نرم و تاثیر مثبت اعمال اثر فصلی در مدل­سازی جریان رودخانه­ای می­باشد. همچنین تبدیل موجک با آنالیز داده­ها و تفکیک نویزها توانایی ارتقا بخشیدن به عملکرد مدل­های هیبریدی نسبت به مدل­های منفرد را امکان­پذیر می­نماید. در مدل بهینه هیبریدی موجکی برنامه­ریزی بیان ژن، مقادیر شاخص­های ارزیابی ضریب همبستگی و ریشه میانگین مربعات خطا به ترتیب برابر ۹۷۸/۰ (حداکثر) و ۳۲۶/۲ (m۳/s) (حداقل) به دست آمده است.

برنامهریزی بیان ژن, فازی-عصبی, شبکه عصبی مصنوعی, جریان رودخانه, نازلوچای