ارزیابی مدل شبکه عصبی توسعه یافته با فیلتر کالمن و برنامه ریزی بیان ژن در مدل سازی بارش

شبیه سازی فرآیند بارش -رواناب به عنوان مهمترین گام در مطالعات مهندسی آب و مدیریت منابع آب است. برنامه ریزی بهره برداری از منابع آبهای سطحی و زیرزمینی، ساماندهی رودخانه ها و هشدار سیل نیاز به پیش بینی آبدهی رودخانه و رواناب حوزه آبخیز دارد. در مطالعه حاضر به منظور مدل سازی بارش- رواناب از روش شبکه عصبی توسعه یافته با فیلتر کالمن (EKFNN) استفاده شد و سپس نتایج با روش برنامه ریزی بیان ژن (GEP) که در اکثر مطالعات اخیر عملکرد خوبی از خود در مدل سازی بارش- رواناب نشان داده بود، مقایسه گردید. داده های مورد استفاده در این مطالعه بارش و رواناب روزانه ایستگاه های باران سنجی و آب سنجی دشت ملایر که شامل ایستگاه های پیهان، مرویل و نامیله است در طول دوره آماری 1380 تا 1392 می باشد. نتایج نشانگر برتری مدل EKFNN نسبت به مدل دیگر در مدل سازی جریان روزانه رودخانه در دشت ملایر داشت. علاوه بر این سرعت اجرای مدل برنامه ریزی بیان ژن بیشتر بود و در زمان کوتاهی قادر به ارایه نتایج بود. در نهایت مدل EKFNN به عنوان مدل برتر برای دشت ملایر انتخاب شد.