کاربرد شبکه های بیزین و برنامه ریزی ژنتیک در پیش بینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)

     برآورد دقیق آبدهی رودخانه ها یکی از موارد مهم در پیش بینی خشکسالی، سیلاب، طراحی سازه­ های آبی، بهره برداری از مخازن سدها و کنترل رسوب می باشد.روش­های متعددی همچون مدل­های سری­زمانی، شبکه­های عصبی مصنوعی، منطق فازی و برنامه­ریزی ژنتیک برای پیش­بینی جریان رودخانه به کار می­رود. در مطالعه حاضر به منظور پیش­بینی جریان رودخانه باراندوزچای از دو روش برنامه­ریزی ژنتیک و شبکه­های بیزین استفاده شد. داده­های جریان روزانه این رودخانه در محل ایستگاه آبسنجی دیزج در خلال سال­های 1385 تا 1389 برای ایجاد مدل استفاده شد که 80 درصد داده­ها برای آموزش و 20 درصد برای صحت­سنجی مدل به کار رفت. جهت بررسی و ارزیابی نقش حافظه در افزایش یا کاهش دقت، الگوهای ورودی متعددی به مدل­ها معرفی شد و در نهایت مشخص گردید که با افزایش حافظه، دقت مدل­سازی نیز افزایش می­یابد به طوری که بیشترین دقت در الگوی سوم برای هر دو روش به دست می­آید و سپس با افزایش حافظه از دقت مدل­سازی کاسته می­شود. مقایسه نتایج دو مدل نشان داد که دقت روش برنامه­ریزی ژنتیک با دارا بودن ضریب همبستگی برابر با 978/0 و جذر میانگین مربعات خطا معادل با (m3/s)66/1 نسبت به روش شبکه­های بیزین با داشتن ضریب همبستگی معادل با 964/0 و جذر میانگین مربعات خطا برابر با (m3/s)96/1   بیشتر است. همچنین عملکرد روش برنامه­ریزی ژنتیک در تخمین دبی­های کمینه و متوسط به مراتب بهتر از روش شبکه­های بیزین می­باشد.