AU - Solgi, Abazar AU - Zarei, Heidar TI - Application of Gene Expression Programming and Support Vector Regression models to Modeling and Prediction Monthly precipitation PT - JOURNAL ARTICLE TA - jgs JN - jgs VO - 18 VI - 50 IP - 50 4099 - http://jgs.khu.ac.ir/article-1-2643-fa.html 4100 - http://jgs.khu.ac.ir/article-1-2643-fa.pdf SO - jgs 50 AB  - برآورد و پیش­بینی بارش و دستیابی به مقدار رواناب ناشی از آن، نقش اساسی و مؤثری را در مدیریت و بهره­برداری صحیح از حوضه، مدیریت سدها و مخازن، به حداقل رساندن خسارات ناشی از سیلاب، خشکسالی و مدیریت منابع آب ایفا می­کند و به همین دلیل مورد توجه هیدرولوژیست­ها می­باشد. عملکرد خوب مدل­های هوشمند باعث افزایش استفاده از آنها برای پیش­بینی پدیده­های مختلف هیدرولوژیکی شده است. لذا در پژوهش حاضر، از دو مدل هوشمند به نام­های برنامه­ریزی بیان­ژن و ماشین بردار رگرسیونی برای پیش­بینی بارش ماهانه شهرستان نهاوند استفاده شد. در این مطالعه از داده­های بارش، دما و رطوبت­نسبی ماهانه ایستگاه وراینه در یک دوره 32 ساله (1393-1362) استفاده شد. نتایج به دست آمده نشان داد که عملکرد هر دو مدل خوب و مشابه بوده (ضریب همبستگی حدود 92/0) ولی با توجه به بررسی معیارهای ارزیابی مختلف، مدل برنامه­ریزی بیان­ژن عملکرد کمی بهتر داشته است (جذر میانگین مربعات خطا به ترتیب 0478/0 و 0486/0). این در حالی است که مدل ماشین بردار رگرسیونی دارای مزیت سهولت در اجرای مدل می­باشد. به طورکلی می­توان گفت که مدل برنامه­ریزی بیان ژن برای مدل­سازی بارش ماهانه ایستگاه وراینه در شهرستان نهاوند مناسب بوده است. در پایان مقدار بارش ماهانه برای سال 1394 با مدل برنامه­ریزی بیان ژن پیش­بینی شد که نشان از کاهش مقدار بارش در سال 1394 نسبت به سال­های قبل داشت. CP - IRAN IN - Nahavand LG - eng PB - jgs PG - 91 PT - Research YR - 2018