---

چکیده در دهه‏های اخیر به دلیل اهمیت فرآیند بارش-رواناب توسعه مدل‏های مناسب برای تخمین رواناب از روی داده‏های بارش به مسأله ضروری تبدیل شده است. بارش یکی از مهم‌ترین داده‏های ورودی به سیستم‏های هیدرولوژیکی محسوب می‏شود که به دو صورت بارش منطقه‏ای و بارش نقطه‏ای در نظر گرفته می‏شود. برای مدل‏سازی فرآیند بارش- رواناب از مدل‏های هوشمندی که با پارامتر‏های ورودی و خروجی عملیات نگاشت را انجام می‏دهند و نتایج حاصل از دقت و صحت مناسبی برخوردار است، استفاده می‏شود. در این تحقیق برای تخمین رواناب خروجی حوضه بالخلوچای واقع در غرب استان اردبیل از مقادیر بارش پیشین و دبی پیشین تا سه روز قبل استفاده شده و بارش نیز در دو حالت بارش منطقه‏ای و بارش نقطه‏ای که مربوط به بارش ۶ ایستگاه باران‏سنجی بوده، در نظر گرفته شده است. به منظور برآورد بارش–رواناب در حوضه بالخلوچای از مدل‏های هوشمند شبکه عصبی مصنوعی (ANN) و برنامه‏ریزی ژنتیک (GP) و سیستم استنتاج عصبی–فازی تطبیقی (ANFIS) استفاده گردیده و نتایج توسط معیار‏های ارزیابی مقایسه شده است. مقدار ضریب تعیین (R۲)، جذر میانگین مربعات خطا (RMSE) و ضریب نش‏ساتکلیف (N-S) مربوط به دقیق‏ترین مدل‌های بارش منطقه‏ای برای داده‏های آزمون به ترتیب ۸۵۴/۰، ۵۷۳/۰، ۹۳۵/۰ و در دقیق‏ترین مدل بارش نقطه‏ای برای داده‏های آزمون به ترتیب ۸۵۲/۰، ۵۷۸/۰، ۹۳۲/۰ می‏باشد. با توجه به نتایج حاصل از معیار‏های ارزیابی یاد شده، به دلیل بیش‌تر بودن ضرایب تعیین و نش‏ساتکلیف و هم‌چنین کم‌تر بودن مقدار جذر میانگین مربعات خطای بارش منطقه‏ای نسبت به بارش نقطه‏ای، بارش منطقه‏ای دارای نتایج دقیق‏تری نسبت به بارش نقطه‏ای می‏باشد.