انجمن آبیاری و زهکشی ایران نشریه آبیاری و زهکشی ایران 2008-7942 20 3 2026 08 23 Development of a Flood Modeling Toolbox Based on Dual Hybrid Artificial Intelligence Metamodels: A Case Study of the Karaj Watershed توسعه جعبه ابزار مدلسازی سیلاب با استفاده از فرامدل‌های هیبریدی دوگانه هوش مصنوعی (مطالعه موردی: حوزه آبخیزکرج) 381 395 243294 10.22034/idj.2026.579909.2680 FA سبحان حسین نژاد سلیمی گروه احیا مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران محمد انصاری قوجقار استادیار، گروه مهندسی احیا مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. 0000-0003-0485-5551 آرش ملکیان استاد، گروه احیا مناطق خشک . کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران 0000-0001-8174-6784 مهرنوش قدیمی دانشیار، گروه جغرافیا، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران 0000-0002-3700-9506 Journal Article 2026 04 29 The present research، aimed at developing a comprehensive flood modeling toolkit based on hybrid dual-AI frameworks، evaluated six models، including two individual models (FCMR and GRNN) and four hybrid dual models (FCMR-NARX، FCMR-ACOR، GRNN-NARX، and GRNN-ACOR) at five hydrometric stations in the Kraj watershed (Gachsar، Sira-kalvan، Sira-karaj، Neshatarud، and Morud) over a 30-year period from the beginning of the water year 1990 to the end of the water year 2018. The results، based on statistical criteria (R، NSE، RMSE، MAE)، indicated that hybrid models based on FCMR (particularly FCMR-NARX and FCMR-ACOR) have the highest accuracy. However، statistical tests did not show a significant difference in accuracy between these models and the individual GRNN model. On the other hand، hybridizing the GRNN model with NARX and ACOR catalysts due to structural incompatibilities reduced its accuracy. Considering the computational complexity، long training time، and higher implementation costs of hybrid models، the individual GRNN model is proposed as an optimized option with economic and operational justification for use in flood warning systems and water resource management in similar watersheds. This study emphasizes the necessity of coordination between the base model structure and the hybridization method to achieve effective performance improvement. پژوهش حاضر، باهدف توسعه یک جعبه‌ابزار جامع مدل‌سازی سیلاب مبتنی بر فرامدل‌های هیبریدی دوگانه هوش مصنوعی، شش مدل شامل دو مدل انفرادی (FCMR و GRNN) و چهار مدل هیبریدی دوگانه (FCMR-NARX، FCMR-ACOR، GRNN-NARX و GRNN-ACOR) در پنج ایستگاه هیدرومتری حوزه آبخیز کرج (گچسر، سیرا کلوان، سیرا کرج، نشتارود و مورود) طی دوره‌ای ۳۰ساله، از ابتدای سال آبی ۱۳۶۹ تا پایان سال آبی ۱۳۹۷ مورد ارزیابی قرار گرفتند. نتایج مبتنی بر معیارهای آماری (R، NSE، RMSE، MAE) نشان داد که مدل‌های هیبریدی مبتنی بر FCMR (به‌ویژه FCMR-NARX و FCMR-ACOR) از بالاترین دقت برخوردارند. بااین‌حال، آزمون‌های آماری تفاوت معناداری بین دقت این مدل‌ها و مدل انفرادی GRNN نشان نداد. ازسوی‌دیگر، هیبریدسازی مدل GRNN با کاتالیزورهای NARX و ACOR به دلیل ناسازگاری ساختاری، موجب کاهش دقت آن شد. باتوجه‌به پیچیدگی محاسباتی، زمان آموزش طولانی و هزینه‌های اجرایی بالاتر مدل‌های هیبریدی، مدل انفرادی GRNN به‌عنوان گزینه‌ای بهینه با توجیه اقتصادی و عملیاتی برای کاربرد در سامانه‌های هشدار سیل و مدیریت منابع آب در حوزه‌های مشابه پیشنهاد می‌شود. این مطالعه بر ضرورت هماهنگی بین ساختار مدل پایه و روش هیبریدسازی برای دستیابی به بهبود مؤثر عملکرد تأکید می‌کند. https://idj.iaid.ir/article_243294_a633c8730425e8dde587c13aecb8f65b.pdf