Geographical Space

fa ارزیابی قابل‍یت مدل‌های هوشمند در تخمین جریان رودخانه مردق چای مراغه تخصصي Special پژوهشي Research تخمین میزان دبی رودخانه هر منطقه یکی از مسایل مهم و اساسی در برنامهریزی کشاورزی و نیز مدیریت منابع آب میباشد. لذا ارائه راهکاری مناسب جهت برآورد دقیق دبی رودخانهها، بسیار سودمند است. هدف این تحقیق بررسی قابلیت مدلهای هوشمند برنامهریزی بیان ژن، شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی بهمنظور تخمین دبی در رودخانه مردق چای میباشد. در این مدلها برای تخمین دبی جریان از دادههای دبی جریان روزانه پیشین در سه نوع متفاوت و ترکیب هریک از این حالتها با یک تا پنج روز تاخیر زمانی در مقیاس روزانه که در مجموع از 45 نوع داده ورودی متفاوت استفاده و با یک فرآیند آموزش، عمل تخمین انجام گرفت و نتایج آن با استفاده از معیارهای ارزیابی ضریب تبیین و جذر میانگین مربعات خطا با دادههای مشاهداتی مورد بررسی و مقایسه قرار گرفت. با توجه به نتایج بهدست آمده از مدلها، هر سه روش از دقت قابل قبولی برخوردار بودند. در نهایت مدل شبکه عصبی-مصنوعی که دارای بیشترین دقت میباشد برای این حوضه توصیه گردید.  Alvisi, S., Mascellani, G., Franchini, M., Bardossy, A., (2005), "Water level forecasting through fuzzy logic and artificial neural network approaches", J.Hydrol system science, 2: 1107-1145.  Baareh, AKM., Sheta, AF., Khnaifes, KA., (2006), "Forecasting river flow in the USA: A comparison between auto- regression and neural network non-parametric models", J Comput Sci, 2(10): 775-780.  Firat, M., (2007), "Artificial Intelligence Techniques for river flow forecasting in the seyhan river catchment, Turkey", J Hydrol Earth Syst Sci, 4: 1369-1406.  Jang, J.S.R., (1993), "ANFIS: adaptive network based fuzzy inference systems, IEEE Transactions on Systems", Man and Cybernetics, 23 (3): 665–685  Kisi, O., (2006), "Daily pan evaporation modeling using a neuro-fuzzy computing technique", Journal of Hydrology, 329: 636–646.  Kisi, O., (2005), "Suspended sediment estimation using neuro-fuzzy and neural network approaches", Hydrol Science Journal, 50 (4): 683–696.  Kisi, O., "2004. River flow modeling using artificial neural networks", J. Hydrol. Eng, ASCE, 9 (1): 60– 63.  Keskin, M.E., Terzi, O., Taylan, D., (2004), "Fuzzy logic model approaches to daily pan evaporation estimation in western Turkey", Hydrol. Sci. J, 49(6): 1001-1010-  Khu, ST., Liong, SY., Babovic, V., Madsen, H., Muttil, N., (2001), "Genetic programming and its application in real- time runoff forming", J  Am Water Res Assoc, 37(2): 439-451. Liong, SY., Gautam, TR., Khu, ST., Babovic, V., Keijzer, M., Muttil, N., (2002), "Genetic programming: A new paradigm in rainfall runoff modeling", J Am Water Res Assoc, 38(3): 705-718. Nayak, P.C., Sudheer, K.P., Rangan, D.M., Ramasastri, K.S., (2004), "A neuro-fuzzy computing technique for modeling hydrological time series", Journal of Hydrology, 291 (1–2): 52–66. Sette, S., Boullart, L., (2001),"Genetic programming: principles and applications". Engineering Applications of Artificial Intelligence, 14: 727–736. برنامه ریزی بیان ژن, تخمین, سیستم عصبی-فازی, شبکه عصبی-مصنوعی, مردق چای 1 15 http://geographical-space.iau-ahar.ac.ir/browse.php?a_code=A-10-1-99&slc_lang=fa&sid=1 رضا صادقی 100319475328460012478 100319475328460012478 No دانشجوی کارشناسی ارشد عمران، گرایش آب دانشگاه آزاد اسلامی واحد اهر صابره دربندی 100319475328460012479 100319475328460012479 Yes استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز