fa تخمین و بازسازی داده‌های حداکثر بارش 24 ساعته سالانه با استفاده از مدل تلفیقی الگوریتم ژنتیک و شبکه‌های عصبی مصنوعی (مطالعه موردی: استان چهارمحال و بختیاری) تخصصي Special پژوهشي Research <p>حداکثر بارش 24 ساعته یکی از عامل‌های هواشناسی با ماهیتی بسیار تصادفی در مقایسه با سایر داده‌های مرتبط با بارندگی از جمله بارش‌های ماهانه و سالانه است. باتوجه به در دسترس نبودن داده‌های شدت-مدت-فراوانی (I-D-F) و قابلیت دسترسی بیشتر داده‌های حداکثر بارش 24 ساعته، برآورد بارش‌های کوتاه مدت بر مبنای بارش 24 ساعته اقدامی رایج در مطالعات و عملیات آبخیزداری است. برخی از مواقع این اطلاعات ناقص می‌باشد و استفاده از آن‌ها باعث بروز خطا در نتایج می‌گردد. در این پژوهش کارآیی استفاده از روش الگوریتم ژنتیک-شبکه عصبی مصنوعی (GA-ANN) در بازسازی داده‌های حداکثر بارش 24 ساعته در استان چهارمحال و بختیاری، توسط نمایانه‌های آماری RMSE، P % و R2 مورد ارزیابی قرار گرفت و با روش شبکه عصبی مصنوعی ساده (ANN) مقایسه شد. مقدار نمایانه RMSE حاصل از بهترین شبکه ANN در اقلیم بسیار مرطوب، نیمه مرطوب، مدیترانه‌ای و نیمه‌خشک به ترتیب برابر با 38، 9/25، 8/11، 4/11 میلیمتر و در بهترین شبکه GA-ANN به ترتیب برابر با 2/19، 3/14، 8/10 و 4/6 میلیمتر می‌باشد. نتایج بازسازی در کلیه نواحی آب و هوایی حکمفرما در این استان نشان دهنده برتری معنی‌دار روش GA-ANN نسبت به روش ANN می‌باشد.</p> <p>Annual maximum 24-h rainfall is the meteorological parameters with the more stochastic nature of rainfall in comparison with other related rainfall data, including monthly and annual precipitation data. Considering to unavailable Intensity-Duration-Frequency (IDF) data and more availability of Annual maximum 24-h rainfall data, a common method of estimating short time rainfall in watershed management operation and studies is based on Annual maximum 24-h rainfall data. Sometimes mentioned data is incomplete and use of them causes an error in the results. This research carried out in order to evaluate the performance of artificial neural network with genetic algorithm (GA-ANN) for reconstruction of annual maximum 24-h rainfall data in Chaharmahal va Bakhtiyari province. To evaluate the model RMSE, P%, and R2 were used as statistical indices. The GA-ANN was compared with simple artificial neural networks. The RMSE indices between observed and predicted values by ANN model were 38.0, 25.9, 11.8 and 11.4 (mm) for very-humid, semi-humid, Mediterranean and semi-arid climate zones, respectively. Considering the results of GA-ANN method, the RMSE were 19.2, 14.3, 10.8 and 6.4 (mm), respectively. The results of reconstructed data show that GA-ANN method has significant preference related to ANN method in all the four climates in the studied region.</p> بازسازی, حداکثر بارش 24 ساعته سالانه, الگوریتم ژنتیک-شبکه عصبی مصنوعی, چهارمحال و بختیاری. Reconstruction, Annual Maximum 24-H Rainfall, GA-ANN and Chaharmahal va Bakhtiyari . 53 62 http://jwmsei.ir/browse.php?a_code=A-10-1-103&slc_lang=fa&sid=1 Mohammad mehdi Matinzadeh محمد مهدی متین‌زاده 10031947532846006551 10031947532846006551 Yes Rohollah Fattahi روح‌الله فتاحی 10031947532846006552 10031947532846006552 No Mohammad Shayanzadeh محمد شایان‌نژاد 10031947532846006553 10031947532846006553 No Khodayar Abdollahi خدایار عبداللهی 10031947532846006554 10031947532846006554 No