زهرا ناظری تهرودی - دانشگاه کاشان، گروه مرتع و آبخیزداری، دانشجوی دکتری
محمدجواد وحیدی - دانشگاه بیرجند، گروه علوم خاک، استادیار
محمد ناظری تهرودی - دانشگاه بیرجند، گروه مهندسی آب، دانشجوی دکتری
محسن عباسی گل - سازمان آب منطقه ای خراسان جنوبی، کارشناسی ارشد مهندسی منابع آب

پیش بینی مولفه های موثر در تحلیل سامانه های منابع آب یکی از موارد اساسی در طراحی، بهره برداری و مطالعاتمربوط به این منابع به شمار میآید. بدین منظور از روشهای مختلفی نظیر شبکه عصبی مصنوعی، منطق فازی،برنامه ریزی ژنتیک، سری های زمانی و ... استفاده می شود. در این مطالعه با استفاده از داده های سری زمانی روزانه ترازسطح آب دریاچه ارومیه، اقدام به مدلسازی و مقایسه دو روش برنامه ریزی ژنتیک و شبکه عصبی مصنوعی شد. نتایجهمبستگی، هر دو روش را جهت مدلسازی تایید کرد ولی مدل برنامه ریزی ژنتیک با همبستگی 0/999898 در مرحله آموزش و 0/99976 در مرحله صحتسنجی و با اختلاف همبستگی 0/000188 در مرحله آموزش و 0/00044 در مرحله صحت سنجی نسبت به مدل شبکه عصبی، مدل برتر جهت پیش بینی و مدلسازی تراز سطح آب دریاچهارومیه انتخاب و تراز سطح آب دریاچه تا پایان سال 1392 با استفاده از برنامه ریزی ژنتیک پیش بینی شد.

سطح آب دریاچه ارومیه، برنامه ریزی ژنتیک، شبکه عصبی مصنوعی، مدلسازی، پیش بینی