TY - JOUR ID - 55402 TI - پیش‌بینی جریان روزانه رودخانه با استفاده از مدل‌های داده محور JO - نشریه آبیاری و زهکشی ایران JA - IDJ LA - fa SN - 2008-7942 AU - سالاری‌جزی, میثم AU - قربانی, خلیل AU - سهرابیان, الهه AU - عبدالحسینی, محمد AD - استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران AD - دانش آموخته کارشناسی ارشد مهندسی منابع آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران Y1 - 2016 PY - 2016 VL - 10 IS - 4 SP - 479 EP - 488 KW - برنامه‌ریزی بیان ژن KW - پیش‌بینی جریان KW - حوضه گالیکش KW - شبکه عصبی مصنوعی KW - مدل درختی M5 KW - مدل‌های داده محور DO - N2 - پیش­بینی صحیح جریان روزانه رودخانه یک ابزار مناسب برای برنامه­ریزی و مدیریت منابع آب سطحی می­باشد.  به کارگیری مدل­هایی مانند مدل درختی M5 و برنامه­ریزی بیان ژن (GEP) که معادلات صریحی را برای پیش­بینی ارایه می­کنند موجب افزایش کارایی مدل­های پیش­بینی می­شود. در این مطالعه جهت پیش‌بینی دبی جریان روزانه رودخانه، حوضه آب­ریزگالیکش از مناطق سیل‌خیز استان گلستان به عنوان منطقه مطالعاتی استفاده شد. داده‌های بارش و دبی جریان روزانه ایستگاه‌های هواشناسی و هیدرومتری گالیکش در یک دوره آماری 26 ساله (1388-1363)، استفاده و متغیرهای مستقلی از بارش و دبی جریان روزانه یک تا پنج گام زمانی قبل تشکیل شد و بر اساس آن­ها پیش­بینی دبی جریان روزانه با سه  مدل درختی M5 و برنامه­ریزی بیان ژن و مدل شبکه عصبی مصنوعی پرسپترون انجام شد. نتایج نشان داد که هر سه مدل دارای کارایی مناسب می­باشند و هم­چنین میزان جریان را بیش­تر از مقادیر مشاهداتی برآورد می­کنند. مقایسه نتایج مدل­های مختلف نشان­دهنده برتری نسبی مدل درختی M5 نسبت به مدل­های دیگر می­باشد. در حالت کلی می­توان گفت که هر سه روش مذکور ضمن رقابت با یکدیگر نتایج نسبتاً دقیقی را جهت پیش­بینی جریان روزانه در منطقه مورد نظر ارایه می­کنند ولی به دلیل ارایه روابط خطی ساده و قابل فهم توسط مدل درختی M5، این روش می­تواند به عنوان روشی کاربردی و جایگزین برای پیش­بینی جریان روزانه مورد توجه قرار گیرد.   UR - https://idj.iaid.ir/article_55402.html L1 - https://idj.iaid.ir/article_55402_b51989f71d0732d150680a9dfb3e950b.pdf ER -