مقایسه کارآیی مدل های هوشمند در روندیابی جریان روزانه رودخانه (مطالعه موردی: رودخانه بالخلوچای، استان اردبیل)

روندیابی جریان در رودخانه ها یکی از پراهمیت ترین موضوعات در مدیریت منابع آب های سطحی جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشک سالی ها است. در این تحقیق از مدل های شبکه عصبی مصنوعی، برنامه ریزی بیان ژن، موجک- عصبی و حداقل مربعات ماشین بردار پشتیبان به منظور روندیابی جریان روزانه رودخانه بالخلوچای واقع در حوضه آبریز دره رود استفاده شد. در این راستا داده های روزانه دو ایستگاه هیدرومتری متوالی واقع بر رودخانه مذکور به کار گرفته شد. برای ارزیابی مدل ها از شاخص های آماری ریشه میانگین مربعات خطا، ضریب همبستگی، ضریب نش- ساتکلیف و بایاس استفاده شد. نتایج گویای عملکرد قابل قبول هر چهار مدل و برتری مدل حداقل مربعات ماشین بردار پشتیبان با بیشترین ضریب همبستگی (894/0=R) ، کمترین ریشه میانگین مربعات خطا (m3/s540/1=RMSE) و ضرایب نش-ساتکلیف و بایاس برابر 813/0 و 013/0 در مرحله صحت سنجی بود. اما در برآورد دبی بیشینه (سیلاب) مدل موجک- عصبی با میانگین خطای نسبی 21/34 درصد، از خطای کمتری نسبت به سایر مدل ها برخوردار بود. لازم به ذکر است که کلیه مدل ها در تخمین جریان ایستگاه پایین دست حالت کم برآورد داشتند.