@article { author = {bahrami, erfan and khozeymehnezhad, hossein}, title = {Predicting Flood Flow with Gene Expression Model and Estimating Hydrograph Using Gary and Gamma Models (Case study: Qarasu watershed of Kermanshah)}, journal = {Journal of Meteorology and Atmospheric Science}, volume = {3}, number = {3}, pages = {275-293}, year = {2020}, publisher = {Iran Meteorology Society (IMS)}, issn = {2645-7261}, eissn = {2645-727X}, doi = {10.22034/jmas.2021.293305.1145}, abstract = {Good performance of intelligent models has increased their use in predicting different hydrological phenomena.so it is necessary to evaluate the performance of models developed in different regions of the world with different climatic, hydrological and physiographic features in order to comment on their performance in different regions.Hence, to predict the flood discharge of the basin, the data of the region have been collected for a period of 10 years with the length of the statistical period (2010-2020) using the intelligent model of gene expression planning.After analyzing the model's evaluation criteria, the results showed the good and high performance of the model in predicting flood discharge.Using both synthetic hydrograph Gary and Gamma models, the significant runoff parameters (flood peak discharge error), (Time to reach flood peak discharge error), and (flow volume error) and three criteria (Root mean square error, mean absolute error and determination of coefficient ) were evaluated to determine the shape of the flood hydrograph. Also, using the scoring and ranking method for each of the errors and the best model in estimating each of the flood characteristics was determined. based on the results, the values of the expressed domains for the gamma model are (9.50, -12.9), (20.09, -40.1), (75, -100), (0.42, 1.66), (3.20, 1.03) and (0.94, 0.87) The results showed the superiority of the gamma model Gary model and the selected model was able to appropriately estimate the characteristics of the flood hydrograph. It is also recommended to study this model in flood modeling in other ungauged watershed}, keywords = {ungauged watershed,unit hydrograph,Flow Modeling,GEP,Runoff rainfall}, title_fa = {پیش‌بینی دبی جریان سیلاب با مدل بیان ژن و برآورد هیدروگراف آن با استفاده از دو مدل گری و گاما (مطالعه موردی : حوضه آبخیز قره سو کرمانشاه)}, abstract_fa = {عملکرد خوب مدل‌های هوشمند باعث افزایش استفاده از آنها برای پیش‌بینی پدیده‌های مختلف هیدرولوژیکی شده است. لذا ضرورت دارد که کارایی مدل‌های توسعه داده شده در مناطق مختلف جهان با ویژگی‌های متفاوت اقلیمی، هیدرولوژیکی و فیزوگرافی مورد ارزیابی قرار گیرد تا بتوان در مورد کارایی آنها در مناطق مختلف اظهار نظر کرد. در پژوهش حاضر، به منظور پیش‌بینی دبی سیلاب حوضه از داده‌های منطقه در یک دوره 10 ساله، با طول دوره آماری (1389-1399) و همچنین از مدل هوشمند برنامه‌ریزی بیان ژن استفاده شد. با بررسی معیارهای ارزیابی مدل، نتایج نشان از عملکرد خوب و دقت بالای مدل در پیش‌بینی دبی سیلاب بود. با استفاده از دو مدل هیدروگراف مصنوعی گری و گاما پارامترهای مهم سیلاب از جمله PEP (دبی اوج سیلاب)، PETP (زمان رسیدن به دبی اوج)،PEV (حجم جریان) و سه معیار (جذر میانگین مربع خطا، میانگین خطای مطلق و ضریب تبیین ) جهت تعیین شکل هیدرگراف سیلاب مورد بررسی و ارزیابی قرار گرفت. با استفاده از روش امتیاز‌بندی و رتبه‌دهی برای هریک از خطاها پرداخته شد و بهترین مدل در برآورد هریک از مشخصه‌های سیلاب تعیین گردید. بر اساس نتایج، مقدار دامنه‌های معیارهای بیان شده برای مدل گاما به ترتیب (50/9، 9/12-)، (09/20، 1/40-)، (75، 100-)، (42/0، 66/1)، (20/3، 03/1) و (94/0، 87/0) قرار دارد که نشان از برتری مدل گاما نسبت به مدل گری بوده است و مدل منتخب توانست به شکل کاملا̎ مناسبی مشخصه‌های هیدروگراف سیلاب را برآورد سازد. بررسی این مدل در مدل‌سازی سیلاب در سایر حوضه‌های فاقد آمار نیز پیشنهاد می‌گردد.}, keywords_fa = {حوضه‌های فاقد آمار,هیدروگراف واحد,مدل‌سازی جریان,GEP,بارش رواناب}, url = {https://www.ims-jmas.net/article_139806.html}, eprint = {https://www.ims-jmas.net/article_139806_f2d680f5abb5a6866a37e969c27975d8.pdf} }