ارزیابی مدل برنامه ریزی بیان ژن برای برآورد بار رسوب معلق بر اساس پیش پردازش داده ها با روش آزمون گاما (مطالعه موردی: حوزه آبخیز رود زرد)

 در این پژوهش، داده های ایستگاه هیدرومتری ماشین در حوزه آبخیز رود زرد، با طول دوره آماری 36 سال (1356-1391) مورد استفاده قرار گرفت. متغیرهای ورودی به مدل GEP شامل دبی لحظه ای (Q)، متوسط دبی روزانه (Qi) و متوسط بارندگی روزانه (Pi) به همراه سه گام تاخیر زمانی و متغیر خروجی به مدل شامل بار رسوب معلق روزانه می-باشد. برای کاهش در وقت و هزینه، پیش پردازش داده های ورودی به مدل GEP با استفاده از روش آزمون گاما به دست آمد و به همراه ترکیبات بدون پیش پردازش (آزمون و خطا) وارد مدل GEP شد. نتایج مقایسه بین تمامی مدل ها نشان داد که برترین ترکیب متغیر ورودی حاصل از آزمون گاما، با کمترین مقدار آماره ی خطای استاندارد برابر صفر، آماره ی گاما برابر 000092/0 و آماره ی Vratio برابر 012/0 و با ترکیب متغیرهای متوسط دبی روزانه به همراه دو گام تاخیر زمانی و متوسط بارندگی روزانه به همراه سه گام تاخیر زمانی، دقیق ترین و صحیح ترین برآورد را برای بار رسوب معلق داشت. این مدل دارای کمترین مقدار ton/day)) 90/1671RMSE= و ton/day)) 68/475MAE= و بیشترین مقدار 99/0R2= و 99/0NSE= در مقایسه با سایر مدل ها بود. بنابراین، استفاده از روش آزمون گاما به عنوان یک روش پیش پردازش داده ها توانست با انتخاب ترکیباتی از متغیرهای ورودی مناسب به مدل ها، به طور میانگین تا 40 درصد مقدار خطای برآورد (RMSE) بار رسوب معلق روزانه را در مقایسه با ترکیبات ورودی حاصل از آزمون و خطا کاهش دهد و با افزایش تشابه بین مقادیر داده-های مشاهداتی با داده های محاسباتی، عملکرد مدل GEP در برآورد بار رسوب معلق را افزایش دهد.