دانشگاه تبریز دانش آب و خاک 2008-5133 20 4 2011 01 21 Genetic Programming and Its Application in Rainfall-Runoff Modeling برنامه‌ریزی ژنتیک و کاربرد آن در مدل‌سازی فرآیند بارش- رواناب 62 71 1372 FA علی سلطانی دانشکده کشاورزی دانشگاه تبریز محمد‌علی قربانی دانشکده کشاورزی دانشگاه تبریز احمد فاخری‌فرد دانشکده کشاورزی دانشگاه تبریز صابره دربندی دانشکده کشاورزی دانشگاه تبریز داود فرسادی‌زاده3 دانشگاه تبریز Journal Article 2014 05 19 The role and importance of  rainfall-runoff  process in water resources studies has led this process to be considered by many researchers. Different methods such as artificial neural networks, fuzzy systems, neurofuzzy, wavelet analysis, genetic algorithm, genetic programming and stochastic differential equations have been developed for rainfall-runoff modeling. Furthermore, genetic programming which involves a mathematical model relating output and input variables, is able to select input variables that effectively contribute to the model. In this research, genetic programming (GP) was applied to modeling of daily basis rainfall-runoff  process in Lighvan watershed with area of 76.19 km². According to the ability of GP in selecting the best variables, the significant variables were selected after 10 times running of GP. Modeling process was carried out using selected variables as well as two sets of mathematical operators. Comparing the results obtained for both models indicated that correlation coefficients and mean square errors using training data set were equal for both of them i.e. 0.85 and 0.06, respectively. For the test data the coefficients became 0.93, 0.2 for set (1) and 0.97 and 0.08 for set (2), respectively. The model obtained from set (2) of the mathematical operators, was selected as the desirable one for the rainfall-runoff analysis in the watershed. نقش و اهمیت فرآیند بارش-رواناب در مطالعات منابع آب موجب شده که این فرآیند از دیر باز مورد توجه متخصصین قرار گیرد. از این رو روش های متعددی همچون شبکه های عصبی مصنوعی، سیستم های فازی و نرو فازی، آنالیز موجک، الگوریتم ژنتیک، برنامه‌ریزی ژنتیک و معادلات دیفرانسیل تصادفی برای مدلسازی فرآیند بارش-رواناب توسعه یافته است. برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطه‌ی بین متغیّرهای ورودی و خروجی به طور خودکار و هوشمند، متغیّرهایی که در مدل بیشترین تأثیر را دارند انتخاب می‌کند. در این تحقیق، برنامه ریزی ژنتیک(GP) برای مدلسازی فرآیند بارش-رواناب روزانه در حوضه آبریز لیقوان با مساحت 19/76 کیلومتر مربع استفاده شده است. از آنجایی که GP توان انتخاب بهترین متغیرها را دارد، ابتدا متغیرهای معنی‌دار با 10 بار اجرای GP مشخص و سپس مدلسازی با متغیرهای معنی‌دار و دو مجموعه عملگر ریاضی انجام شد. در مقایسه نتایج دو مدل حاصل از دو مجموعه عملگر ریاضی درحالت بهینه، ضریب همبستگی و میانگین مربعات خطا برای آموزش در دو مدل یکسان و به ترتیب 85/0 و 06/0 و برای تست در مدل حاصل از مجموعه عملگر ریاضی یک، به ترتیب 93/0 و 2/0 و در مدل حاصل از مجموعه عملگر ریاضی دو، به ترتیب 97/0 و 08/0 به دست آمد. بنابراین مدل حاصل از مجموعه عملگر ریاضی دو، به عنوان مدل بارش-رواناب حوضه آبریز لیقوان پیشنهاد ‌گردید. https://water-soil.tabrizu.ac.ir/article_1372_b96cca6f32f45539678b606d5797b8bd.pdf