ارزیابی مدل برنامه ریزی بیان ژن برای برآورد بار رسوب معلق بر اساس پیش پردازش داده ها با روش آزمون گاما (مطالعه موردی: حوزه آبخیز رود زرد)

ی. در این پژوهش، داده‌های ایستگاه هیدرومتری ماشین در حوزه آبخیز رود زرد، با طول دوره آماری 36 سال (1356-1391) مورد استفاده قرار گرفت. متغیرهای ورودی به مدل gep شامل دبی لحظه‌ای (q)، متوسط دبی روزانه (qi) و متوسط بارندگی روزانه (pi) به همراه سه گام تاخیر زمانی و متغیر خروجی به مدل شامل بار رسوب معلق روزانه میباشد. برای کاهش در وقت و هزینه، پیش‌پردازش داده‌های ورودی به مدل gep با استفاده از روش آزمون گاما به‌دست آمد و به‌همراه ترکیبات بدون پیش‌پردازش (آزمون و خطا) وارد مدل gep شد. نتایج مقایسه بین تمامی مدل‌ها نشان داد که برترین ترکیب متغیر ورودی حاصل از آزمون گاما، با کمترین مقدار آماره‌‌ی خطای استاندارد برابر صفر، آماره‌ی گاما برابر 0.000092 و آماره‌ی vratio برابر 0.012 و با ترکیب متغیرهای متوسط دبی روزانه به همراه دو گام تاخیر زمانی و متوسط بارندگی روزانه به همراه سه گام تاخیر زمانی، دقیق‌ترین و صحیح‌ترین برآورد را برای بار رسوب معلق داشت. این مدل دارای کمترین مقدار ton/day)) 1671.90=rmse و ton/day)) 475.68mae= و بیشترین مقدار 0.99=r^2 و 0.99=nse در مقایسه با سایر مدل‌ها بود. بنابراین، استفاده از روش آزمون گاما به‌عنوان یک روش پیش‌پردازش داده‌ها توانست با انتخاب ترکیباتی از متغیرهای ورودی مناسب به مدل‌ها، به‌طور میانگین تا 40 درصد مقدار خطای برآورد (rmse) بار رسوب معلق روزانه را در مقایسه با ترکیبات ورودی حاصل از آزمون و خطا کاهش دهد و با افزایش تشابه بین مقادیر دادههای مشاهداتی با داده‌های محاسباتی، عملکرد مدل gep در برآورد بار رسوب معلق را افزایش دهد.