محمدعلی قربانی
عاطفه ازانی
لیلا نقی پور

     شبیه­سازی فرآیند بارش- رواناب به عنوان مهم­ترین گام در مطالعات مهندسی آب و مدیریت منابع آب است. در این تحقیق فرآیند بارش- رواناب ماهانه سیمینه­رود در دوره آماری (۱۳۹۰-۱۳۷۷) با استفاده از مدل­های ماشین بردار پشتیبان با توابع کرنل پایه شعاعی، چندجمله­ای و خطی، مدل شبکه بیزی با الگوریتم یادگیری PC و نیز مدل­های متداول شبکه عصبی مصنوعی و برنامه­ریزی بیان ژن شبیه­سازی شده و نتایج آن­ها مورد مقایسه قرار گرفته است. از پارامترهای ضریب هم­بستگی، ریشه میانگین مربعات خطا و ضریب نش­ساتکلیف برای ارزیابی صحت مدل­ها استفاده گردید. نتایج گویای عملکرد قابل قبول هر چهار مدل و برتری مدل برنامه­ریزی بیان ژن با بیش­ترین ضریب هم­بستگی (۹۱/۰CC=)، کم­ترین ریشه میانگین مربعات خطا (m۳/s ۱/۳RMSE=) و مقدار ضریب نش­ساتکلیف ۸۲/۰NS= در مرحله صحت­سنجی است.

Artificial Neural Networks, Bayesian Networks, Gene Expression Programming, Rainfall-Runoff, Siminehroud, Support Vector Machine, بارش- رواناب, برنامه ریزی بیان ژن, سیمینه رود, شبکه بیزی, شبکه عصبی مصنوعی, ماشین بردار پشتیبان