مشخصات پژوهش

عنوان	پیش بینی بارش و رواناب حاصل از آن در حوضه کرخه با استفاده از مدل برنامه ریزی بیان ژن و مقایسه نتایج با مدل RegCM
نوع پژوهش	پایان نامه
کلیدواژه‌ها	هوش مصنوعی، برنامه ریزی بیان ژن، مدل منطقه ای اقلیمی، پیش بینی، بارش، رواناب
چکیده	پیش بینی بارش و رواناب به عنوان پارامترهای اصلی چرخه هیدرولوژی، از مهمترین موضوعات در مدیریت حوضه های آبریز و استفاده پایدار از منابع آب می باشد. در این پژوهش، دقت و کارایی مدل برنامه ریزی بیان ژن (GEP) و مدل منطقه ای اقلیمی (RegCM) جهت پیش بینی مقادیر رواناب حاصل از بارش ماهانه بررسی گردید. به علاوه از روش اصلاح خطای اریبی (Bias Correction) جهت افزایش دقت نتایج مدل RegCM استفاده گردید. بدین منظور، داده های بارش ماهانه 48 ایستگاه سینوپتیک، داده های دمای ماهانه 21 ایستگاه سینوپتیک و همچنین داده های رواناب ماهانه 40 ایستگاه هیدرومتری واقع در حوضه کرخه در یک دوره 45 ساله (1396-1352) مورد استفاده قرار گرفت. از این دوره آماری 40 سال جهت واسنجی و 5 سال جهت صحت سنجی نتایج مدل استفاده شد. نتایج نشان داد که مدل GEP با میانگین 8/94=R2 درصد، میانگین 4/19=RMSE مترمکعب بر ثانیه و میانگین 28/0=SE توانسته با دقت قابل قبولی رواناب را شبیه سازی نماید.همچنین نتایج حاکی از آن است که اصلاح خطای اریبی نتایج مدل RegCM مفید بوده و منجر به بهبود دقت نتایج شده و با میانگین 12=R2 درصد، میانگین 83/82=RMSE مترمکعب بر ثانیه و میانگین 33/1=SE، رواناب را شبیه سازی کرده است. به طور کلی می توان دریافت که مدل GEP در شبیه سازی رواناب ماهانه نسبت به مدل RegCM از دقت بالاتری برخوردار است
پژوهشگران	حامد نوذری (استاد راهنما)، سجاد پویان فر (دانشجو)، مهرانه خدامرادپور (استاد مشاور)