ﻣﻘﺎﯾﺴﻪ روش ﻫﺎي ﺑﺮﻧﺎﻣﻪ رﯾﺰي ژﻧﺘﯿﮏ و ﺷﺒﮑﻪ ﻋﺼﺒﯽ در ﭘﯿﺶ ﺑﯿﻨﯽ ﺟﺮﯾﺎن رودﺧﺎﻧﻪ (ﻣﻄﺎﻟﻌﻪ ﻣﻮردي : ﺣﻮﺿﻪ آﺑﺮﯾﺰ رودﺧﺎﻧﻪ ﺻﻮﻓﯽ ﭼﺎي)

روش ﻫﺎي ﻣﺘﻌﺪدي ﻫﻤﭽﻮن ﻣﺪل ﺳﺮي ﻫﺎي زﻣﺎﻧﯽ، ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ، ﻣﻨﻄﻖ ﻓﺎزي، ﻧﺮو ﻓﺎزي و ﺑﺮﻧﺎﻣﻪ رﯾﺰي ژﻧﺘﯿﮏ ﺑﺮاي ﭘﯿﺶ ﺑﯿﻨﯽ ﺟﺮﯾﺎن رودﺧﺎﻧﻪ ﺑﻪ ﮐﺎر ﻣﯽ رود. در ﺗﺤﻘﯿﻖ ﺣﺎﺿﺮ از روش ﻧﻮﯾﻦ ﺑﺮﻧﺎﻣﻪ رﯾﺰي ژﻧﺘﯿﮏ و ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﺟﻬﺖ ﭘﯿﺶ ﺑﯿﻨﯽ ﺟﺮﯾﺎن روزاﻧﻪ رودﺧﺎﻧﻪ ﺻﻮﻓﯽ ﭼﺎي در ﺣﻮﺿﻪ آﺑﺮﯾﺰ درﯾﺎﭼﻪ اروﻣﯿﻪ در دوره آﻣﺎري 1379 ﺗﺎ 1386 اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. ﺟﻬﺖ ﻣﺪﻟﺴﺎزي ﺟﺮﯾﺎن رودﺧﺎﻧﻪ ﺑﺎ ﺑﺮﻧﺎﻣﻪ رﯾﺰي ژﻧﺘﯿﮏ از ﺣﺎﻓﻈﻪ ﻫﺎي دﺑﯽ ﯾﮏ روز ﻗﺒﻞ، دو روز ﻗﺒﻞ، .... و ﭘﻨﺞ روز ﻗﺒﻞ اﺳﺘﻔﺎده ﺷﺪ و ﻧﺘﺎﯾﺞ ﺑﺮ اﺳﺎس ﺷﺎﺧﺺ ﻫﺎي آﻣﺎري 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 ﮔﺬاﺷﺘﻪ اﺳﺖ ﺑﺮاي ﻣﺪل ﺷﺒﮑﻪ ﻫﺎي ﻋﺼﺒﯽ، ﺳﺎﺧﺘﺎر ﺑﺎ ﭼﻬﺎر ﻧﺮون در ﻻﯾﻪ ورودي 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 رﯾﺰي ژﻧﺘﯿﮏ، ﺿﺮﯾﺐ ﻫﻤﺒﺴﺘﮕﯽ و ﺟﺬر ﻣﯿﺎﻧﮕﯿﻦ ﻣﺮﺑﻌﺎت ﺧﻄﺎ ﺑﺮاي آﻣﻮزش ﺑﻪ ﺗﺮﺗﯿﺐ 959/. و 0/029 و ﺑﺮاي ﺣﺎﻟﺖ ﺑﻬﯿﻨﻪ ﻣﺪل ﺷﺒﮑﻪ ﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﺑﻪ ﺗﺮﺗﯿﺐ 948/. و 215/. ﻣﯽ ﺑﺎﺷﺪ. ﻟﺬا ﺑﺮﻧﺎﻣﻪ رﯾﺰي ژﻧﺘﯿﮏ از دﻗﺖ ﺑﯿﺸﺘﺮي ﻧﺴﺒﺖ ﺑﻪ ﻣﺪل ﺷﺒﮑﻪ ﻫﺎي ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﺑﺮﺧﻮردار ﺑﻮده و ﺑﻪ ﻋﻨﻮان روﺷﯽ ﻣﻨﺎﺳﺐ و دﻗﯿﻖ ﺟﻬﺖ ﭘﯿﺶ ﺑﯿﻨﯽ ﭘﯿﺸﻨﻬﺎد ﻣﯽ ﮔﺮدد. ﻫﻤﭽﻨﯿﻦ ﺑﺎ ﻣﻘﺎﯾﺴﻪ ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از ﺷﺒﯿﻪ ﺳﺎزي ﺗﻮﺳﻂ HEC4 و ﺷﺒﮑﻪ ﻋﺼﺒﯽ دﯾﺪه ﻣﯽ ﺷﻮد ﮐﻪ ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﺑﺴﯿﺎر ﺑﻬﺘﺮ و دﻗﯿﻖ ﺗﺮ ﺑﻪ ﺗﻮﻟﯿﺪ ﺟﺮﯾﺎن ﻣﺼﻨﻮﻋﯽ ﭘﺮداﺧﺘﻪ و ﻋﻤﻠﮑﺮدي ﺑﻪ ﻣﺮاﺗﺐ ﺑﻬﺘﺮ از ﺧﻮد ﻧﺸﺎن داده اﺳﺖ.