در این پژوهش به بررسی عملکرد برخی مدلهای یادگیری عمیق (LSTMو GRU)و یادگیری ماشین (RFو MLP) برای مدلسازی دبی رودخانه در استان لرستان در ایستگاههای هیدرومتری چولهول افرینه، کشکان افرینه و دره تنگ در دو دورهی کمآبی و پرآبی پرداخته شده است. برای انجام این تحقیق از دادههای ورودی تبخیر، دما و بارش همچنین داده خروجی دبی رودخانه در بازهی زمانی 10 ساله (1393-1394 تا 1402-1403) استفاده شد. با استفاده از دادههای دبی برای هر ایستگاه حد تعیین دوره کمآبی و دوره پرآبی مشخص شد، سپس دبی رودخانه به دو دوره کمآبی و پرآبی تقسیم شد، سپس مدلسازی دادهها (70 درصد دادههای آموزش و 30 درصد دادههای آزمایش) با استفاده از مدلهای ذکر شده در محیط Pythoneانجام شد. نتایج نشان داد باتوجه به معیارهای ارزیابی مدل GRUدر دورهی پرآبی و مدل RFدر دوره کمآبی نسبت به سایر مدلها عملکرد بهتری از خود نشان دادهاند. با توجه به نتایج بخش آزمایش مدل GRUدر دوره پرآبی بهترین نتیجه را به ما داده است که بهترتیب ضریب همبستگی، میانگین خطای مطلق و ریشه میانگین مربعات خطا در ایستگاه چولهول افرینه 95/0، 06/0 و 10/0، همچنین ایستگاه کشکان افرینه 57/0، 17/0 و 24/0 و در آخر ایستگاه دره تنگ 94/0، 09/0 و 13/0 بهدست آمده است. همچنین نتایج بخش آزمایش مدل RFدر دوره کمآبی بهترین نتیجه را به ما داده است که بهترتیب ضریب همبستگی، میانگین خطای مطلق و ریشه میانگین مربعات خطا در ایستگاه چولهول افرینه 72/0، 22/0 و 23/0، همچنین ایستگاه کشکان افرینه 82/0، 17/0 و 20/0 و در آخر ایستگاه دره تنگ 43/0، 34/0 و 38/0 بهدست آمده است. لذا با توجه به نتایج بهدست آمده از این پژوهش میتوان از این مدلهای بهینه برای صرفهجویی در هزینه و زمان برای بحث حفاظت آب و خاک و تخمین دبی خروجی از حوزههای آبخیز استفاده کرد. همچنین میتوان برای اجرای مدیریت بهتر در رابطه با کمیت و کیفیت آبهای سطحی، این مدلها برای تخمین دبی ایستگاههای مجاور فاقد آمار دارای شرایط زمینساختی و هیدرولوژیکی یکسان در سطح منطقه مورد استفاده قرار گیرند و نتایج قابل اعتمادی در رابطه با دبی رودخانه ارائه دهند.
