علی اصغر میرزایی - دانشجوی کارشناسی ارشد آبیاری وزهکشی دانشگاه تبریزرضا دلیرحسن نیا - استادیار گروه مهندسی آب دانشگاه تبریزروشهای متعددی همچون مدل سریهای زمانی، شبکه عصبی مصنوعی، منطق فازی، نرو فازی و برنامه ریزی ژنتیک برای پیش بینی جریان رودخانه به کار میرود. در تحقیق حاضر از روش نوین برنامه ریزی ژنتیکو شبکه عصبی مصنوعی جهت پیش بینی جریان روزانه رودخانه صوفی چای در حوضه آبریز دریاچه ارومیه در دوره آماری 1379 تا 1386 استفاده شده است. جهت مدلسازی جریان رودخانه با برنامه ریزی ژنتیک از حافظههای دبی یک روز قبل، دو روز قبل، .... و پنج روز قبل استفاده شد و نتایج بر اساسشاخصهای آماری جذر میانگین مربعات خطا و ضریب همبستگی مورد بررسی قرار گرفت. نتایج تا حافظه دبی چهار روز قبل، رو به بهبود بوده و بعد از آن رو به نزول گذاشتهاست برای مدل شبکههای عصبی، ساختار با چهار نرون در لایه ورودی و شش نرون در لایه پنهان و یک نرون در لایه خروجی، بهترین نتایج را نشان داد. در مقایسه نتایج دو مدل، در مورد حالت بهینه مدل برنامه ریزی ژنتیک، ضریب همبستگی و جذر میانگین مربعات خطا برای آموزش به ترتیب 0/959 0/029 برای حالت بهینه مدل شبکههای عصبی مصنوعی به ترتیب 0/948 0/215 میباشد. لذا برنامه ریزی ژنتیک از دقت بیشتری نسبت به مدل شبکههای عصبی مصنوعی برخوردار بوده و به عنوان روشی مناسب و دقیق جهت پیش بینی پیشنهاد میگرددپیش بینی جریان رودخانه - شبکه عصبی مصنوعی - صوفی چای HEC4 برنامه ریزی ژنتیکدر صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود. برای بار اول: (میرزایی, علی اصغر و رضا دلیرحسن نیا، ۱۳۹۱) برای بار دوم به بعد: (میرزایی و دلیرحسن نیا، ۱۳۹۱)