مقایسه‌ی روش‌های متداول برآورد بار رسوب معلق رودخانه‌ی کرخه با روش برنامه‌ریزی بیان ژن

باغبان­پور، شقایق؛ سیدمحمود کاشفی­پور (1391). مدل‌سازی‌عددی انتقال‌رسوب‌غیرچسبنده در رودخانه‌ها (مطالعه موردی: رودخانه کرخه)، مجله علوم و فنون کشاورزی و منابع طبیعی علوم آب و خاک. شماره 61. دوره 16. صفحات 57-45.

بختیاری، علیرضا؛ مصطفی رحمانشاهی ‌زهابی؛ باقر یوسفی؛ رضا شیراوند عمرویی(1390). ارزیابی روش‌های برآورد بار رسوب کل در رودخانه‌ی کرخه، دهمین کنفرانس هیدرولیک ایران. دانشگاه گیلان.

بایزیدی، مطلب؛ بهرام ثقفیان؛ سی و سه مرده معروف، (1391). شبیه­سازی و تحلیل زمانی- مکانی خشکسالی هواشناسی در حوزه­های آبریز کارون، کرخه و دز، پژوهش‌های آبخیزداری. شماره 95. صفحات 64-55.

بینا، محمود؛ لاله رنجبران؛ سیدحبیب موسوی جهرمی (1388). برآورد رسوبات معلق با استفاده از پارامترهای فیزیوگرافیک در بالادست سد کرخه، هشتمین سمینار بین‌المللی مهندسی‌رودخانه.دانشگاه شهید چمران اهواز.

پوراغنیایی، محمدجواد؛ مسعود گنجی؛ امیر یوسف­پور ؛ باقر قرمزچشمه (1386). مروری بر روش­های برآورد بار معلق (مطالعه موردی: حوضه آبریز صیدون)، مجله تحقیقات منابع آب ایران. سال 3. شماره 3. صفحات 75-73.

حاجی‌علی‌گل، زهرا؛ سیدمحمود کاشفی­پور؛ ایمان بیت الله­پور‌چهارمحالی (1387). استفاده از شبکه­های عصبی مصنوعی در برآورد دبی رسوب ورودی به سد مخزنی کرخه، هفتمین کنفرانس هیدرولیک ایران. دانشگاه صنعت آب و برق شهید عباسپور.

حیدری، خلیل؛ عباس منصوری؛ آرش رزم­خواه(1391). ارزیابی آورد رسوب بار معلق حوضه‌ی آبریز کرخه با استفاده از روش­های هیدرولوژیکی دومین همایش ملّی عمران‌وتوسعه پایدار، مؤسسه آموزش عالی آزاد خاوران. مشهد.

خسروپور، حسین؛ محمدعلی بنی­هاشمی (1387). بررسی رسوب­گذاری در مخزن سد کرخه با استفاده از مدل عددی و ارائه‌ی راهکارهایی برای مدیریت رسوب­گذاری در مخزن، دومین کنفرانس ملّی سد و نیروگاه­های برقابی. تهران.

داداش­زاده‌اصل فاطمه،محسنی‌ساروی محسن؛ حسن احمدی؛جوادوروانی(1388).ارزیابی و توسعه‌منحنی‌های سنجه رسوب در برآورد بار رسوبی وقایع سیلابی (منطقه‌ی مورد مطالعه: حوزه‌ی آبخیز قره­چای)، پژوهش‌‌های آبخیزداری (پژوهش وسازندگی). شماره 84. صفحات 35-28. 

زنگانه، محمدابراهیم؛ ابوالفضل مساعدی؛ مهدی فتاح‌هلقی؛ امیراحمد دهقانی (1388). مناسب­ترین روش برآورد دبی انتقال رسوبات معلق (مطالعه موردی ایستگاه ارازکوسه واقع در حوضه گرگان­رود، ICWR.

ذرتی­پور، محمد؛ بهروز دهان­زاده؛ عبدالرضا ظهیری؛ محمد هوشمندزاده (1389). شبیه­سازی رسوب­گذاری در مخزن سد کرخه با استفاده از مدل کامپیوتری GSTARS-3، پیام مهندس. شماره 53. سال 11. صفحات 17-9.

سلاجقه، علی؛ سمانه رضوی­زاده؛ نعمت‌الله خراسانی ن؛ مبینا حمیدی­فر؛ سوسن سلاجقه (1390). تغییرات کاربری اراضی و آثار آن بر کیفیت آب رودخانه (مطالعه موردی: حوزه‌ی آبخیز کرخه)، محیط‌شناسی. شماره 58. سال 37. صفحات 86-81.

شرکت توسعه منابع آب و نیروی ایران (1380). خلاصه مطالعات مرحله اول طرح کرخه، وزارت نیرو. چاپ اول. انتشارات اکسیر. تهران.

ظهیری، عبدالرضا؛ هاشم ماکنالی­زاده؛ بهروز دهان­زاده؛ صادق طرفی (1388). برآورد حجم رسوب معلق ورودی به مخزن سد کرخه، هشتمین کنگره بین‌المللی مهندسی عمران. دانشگاه شیراز.

قمشی، مهدی؛ حسن ترابی­پوده (1381).ارزیابی کاربرد معادله‌های برآورد بار رسوبی در رودخانه­های خوزستان، علوم و فنونکشاورزی و منابع طبیعی. شماره 1. جلد 6. صفحات 29-13.

کالوندی، ‌سیدمحمد؛ سعیدرضا خداشناس؛  بیژن قهرمان؛ رمضان طهماسبی؛ آرمین بوستانی (1389). آنالیز روش­های مختلف منحنی سنجه در برآورد رسوب ورودی به سدها (مطالعه موردی سد دوستی)، فصلنامه علمی پژوهشی آبیاری و آب. شماره 1. سال 1. صفحات 20-10.

کیا، عیسی؛ علیرضا عمادی (1391). مقایسه روش­های مختلف رگرسیون آماری در برآورد بار رسوب معلق دراز مدت سالانه (مطالعه موردی: بابل­رود)، پژوهشنامه مدیریت‌حوزه آبخیز. شماره 7. سال 4. صفحات 27-15.

ماکنالی­زاده، هاشم؛ عبدالجلیل طرفی؛ صادق طرفی؛ مهدی اسروش (1389). بررسی آورد رسوب کل سرشاخه­های اصلی رودخانه کرخه به سد مخزنی کرخه بر اساس روش‌های USBR و FAO" مجموعه مقالات نخستین کنفرانس ملّی پژوهش­های کاربردی منابع آب ایران. شرکت آب منطقه­ای کرمانشاه.

میرزایی، محمد (1380). مقایسه روش­های آماری برآورد بار رسوب در رودخانه­ها (مطالعه موردی:رودخانه گرگان­رود)، پایان­نامه ارشد. دانشگاه تهران.

 وروانی، جواد؛شهرام خلیقی­سیگارودی (1386). بررسی میزان خطای منحنی­های سنجه رسوب برای برآورد بار رسوبی وقایع سیلابی در رودخانه قره­چای، یافته­هاینوین کشاورزی. شماره 3. دوره 1. صفحات 214-201.

Yassin, Mohamed., Alazba, A.A., and A.Mattar, Mohamed )2016(. Artificial neural networks versus gene expression programming for estimating reference evapotranspiration in arid climate. Agricultural Water Management.163. 110-124.

Atieh, M., Mehltretter, S.L., Gharabaghi, B., and Rudra, R )2015(. Integrative neural networks model for prediction of sediment rating curve parameters for ungauged basins. Journal of Hydrology, 531. 1095-1107.

Aytek, Ali., and Kisi, Ozgur )2008(. A genetic programming approach to suspended sediment modeling. Journal of Hydrology,351:3-4.288-298.

Azamathulla, H.Md, Deo, M.C., and Deolalikar, P.B )2008(. Alternative neural networks to estimate the scour below spillways. Advances in Engineering Software. 39: 8. 689-698.

Azamathulla, Hazi Mohammad., Ab.Ghani, Aminuddin., Leow, Cheng Siang., Chang, Chun Kiat., and Zakaria, Nor Azazi )2011(. Gene-Expression programming for the development of a stage-discharge curve of the Pahang River. Water Resour Manage, 25. 2901-2916.

Azamathulla, Hazi Mohammad )2012(. Gene expression programming for prediction of scour depth downstream of sills. Journal of Hydology, Vol. 460-461.156-159.

Azamathulla, H.Md., and Jarrett, R.D )2013(. Use of Gene-Expression Programming to Estimate Manning’s Roughness Coefficient for High Gradient Streams. Water Resour Manage, 27.715-729.

Bateni, S.M., Borghei, S.M., and Jeng, D.-S. )2007(. Neural network & neuro fuzzy assessments for scour depth around bridge piers. Engineering Applications of Artificial Intelligence,20:3.401-414.

Ebtehaj, Isa., Bonakdari, Hossein., Zaji, Amir Hossein., Azimi, Hamed., and Sharifi, Ali )2015(. Gene expression programming to predict the discharge coefficient in rectangular side weirs. Applied Soft Computing, 35. 618-628.

Emamgholizadeh, S., Kashi, H., Marofpoor, I., and Zalaghi, E )2014(. Prediction of water quality parameters of Karoon River (Iran) by artificial intelligence-based models. InternationalJournal of Environmental Science and Technology,3:11. 645-656.

Emamgholizadeh, S., Bateni, S.M., Shahsavani, D.,Ashrafi, T., and Ghorbani, H)2015(. Estimation of soil cation exchange capacity using Genetic Expression Programming (GEP) and Multivariate Adaptive Regression Splines (MARS). Journal of Hydrology, 529. 1590-1600.

Ferreira, Candida )2001a(. Gene Expression Programming in Problem Solving. In: 6^th online world conference on Soft Computing in Industrial Applications (Invited tutorial), 1-22.

Ferreira, Candida )2001b(. Gene Expression Programming: A New Adaptive Algorithm for Solving Problems.Complex Systems,13:2.87-129.

Ferreira, Candida (2004). Gene expression programming and the evolution of computer programs. RecentDevelopments in Biologically Inspired Computing, 82-103.

Guven, Aytek., and Ersin Talu, Necip (2010). Gene expression programming for estimating suspended sediment yield in middle Uuphrates basin. Clean-Soil, Air, Water, 38:12. 1159-1168.

Guven, Aytek., and Kisi, Ozgur (2011). Estimation of suspended sediment yield in natural rivers using Machine-Coded linear genetic programming. Water Resour Manage,25. 691-704.

Haddadchi, Arman., Movahedi, Neshat., Vahidi, Elham., and Dehghani, Amir Ahmad (2013). Evaluation of suspended load transport rate using formulas and artificial neural network models (Case study: Chelchay Catchment). Journal of Hydrodynamics, 25:3. 459-470.

Kakaei Lafdani, E., Moghaddam Nia, A., and Ahmadi, A (2013). Daily suspended sediment load prediction using artificial neural networks and support vector machines. Journal of Hydrology, 478. 50-62.

Kisi, O., Hosseinzadeh Dalir, Ali., Cimen, Mesut., and Shiri Jalal (2012). Suspended sediment modeling using genetic programing and soft computing techniques. Journal of Hydrology, 450-451, 48-58.

Kisi, Ozgur., Shiri, Jalal., and Tombul, Mustafa (2013). Modeling rainfall-runoff process using soft computing techniques. Computers & Geosciences, 51. 108-117.

Kumar, Dheeraj., Pandey. Ashish., Sharma, Nayan., and Flugel, Wolfgang-Albert (2016). Daily suspended sediment simulation using machine learning approach. Catena, 138. 77-90.

Moharana, S., and Khatua, K.K (2014).  Prediction of roughness coefficient of a meandering open channel flow using Neuro-Fuzzy Inference System. Measurement, 51. 112-123.

Muzzammil, Mohammad., Alama, Javed., and Danish, Mohammad (2015). Scour prediction at bridge piers in cohesive bed using Gene Expression Programming. Aquatic Procedia, 4. 789-796.

Najafzadeh, Mohammad., Etemad-Shahidi, Amir., and Yong Lim, Siow (2016). Scour prediction in long contractions using ANFIS and SVM. Ocean Engineering, 111. 128-135.

Palmieri, A., Shah, F., W.Annandale G. and Danier A (2003). Reservoir Conservation, Vol. 1, the Rescon Approach. 101p.

Riad, S., and Mania, J (2004). Rainfall-Runoff model using an artificial neural network approach. Mathematical & Computer Modeling,40.839-846.

Roushangar, Kiyoumars., Vojoudi Mehrabani, Fatemeh., and Shiri, Jalal (2014). Modeling river total bed material load discharge using artificial intelligence approaches (based on conceptual inputs). Journal of Hydrology, 514. 114-122.

Zakaria, Nor Azazi., Azamathulla, Hazi Mohammad., Chang, Chun Kiat., and Ab.Ghani, Aminuddin(2010). Gene Expression Programming for Total Bed Material Load estimation- a case study. Science of the Total Environment, 408. 5078-5085.

Zhang, Wei., Wei, Xiaoyan., Zheng, Jinhai., Zhu, Yuliang., and Zhang, Yanjing (2012). Estimating suspended sediment load in the Peral River Delta region using sediment rating curves. Continental Shelf Research, 38. 35-46.