معصومه زینعلی - دانشجوی دکتری منابع آب، گروه مهندسی آبیاری و آبادانی؛ پردیس کشاورزی و منابع طبیعی دانشگاه تهران؛ کرج؛ ایران.
محمدرضا گلابی - دکترای منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، ایران. (نویسنده مسئول)
محمد حسین نیک سخن - دانشیار دانشکده محیط زیست، دانشگاه تهران، ایران.
محمد رضا شریفی - استادیار دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، ایران.

زمینه و هدف: هدف در ابتدا بیان نمودن تفاوت­ها و شناسایی۳ مدل به نام­های، برنامه ریزی بیان ژن (GEP)، شبکه عصبی – فازی (ANFIS)  و شبکه بیزین (BN) است و مقایسه آنها با یکدیگر و سوال اساسی تحقیق این است که ایا فرامدل­­ شبیه­ساز برتر در این مطالعه می­تواند در شرایط کمبود داده و اطلاعات، جایگزین مناسبی برای مدل­های مفهومی باشد. روش بررسی: داده­های مورد استفاده برای این پژوهش، داده­های بارش و جریان روزانه رودخانه گاماسیاب نهاوند در یک دوره ۱۰ ساله ۱۳۹۱-۱۳۸۱ می­باشد. برای مرحله پیش­بینی یا شبیه­سازی از داده­های سال آبی ۱۳۹۱-۱۳۹۰  استفاده شده است. یافته­ها: در مرحله آموزش و با توجه به ضریب تبیین و پارامتر جذر میانگین مربعات خطا و  معیار AIC، مشاهده می شود که در هر ۳ مدل، هم در مرحله آموزش و هم در مرحله تست شاهد اختلاف بسیار اندک در مقدار این پارامتر­ها هستیم و نتایج هر ۳مدل تقریبا با اختلاف بسیار اندک، نزدیک به هم است و تقریبا برتری نسبی مدل GEP را می­توان مشاهده کرد. بحث و نتیجه گیری: نتایج بیانگر آن است که  فرامدل[۱] شبیه ساز بیان ژن توانایی خوبی برای شبیه سازی و پیش بینی جریان روزانه رودخانه دارد و این فرامدل­­ شبیه­ساز، می­تواند در شرایط کمبود داده و اطلاعات، جایگزین مناسبی برای مدل­های مفهومی باشد. علاوه بر این سرعت اجرای مدل برنامه­ریزی بیان ژن نسبت به بقیه مدل ها بیشتر بوده و در زمان کوتاهی قادر به ارائه نتایج بوده است. [۱]- Meta Model

مدل سازی جریان, مدل GEP, مدل ANFIS, مدلBN, گاماسیاب