تخمین خشکسالی با استفاده از شبکه های هوشمند(مقاله علمی وزارت علوم)
منبع:
هیدروژئومورفولوژی سال ۵ بهار ۱۳۹۷ شماره ۱۴
179 - 197
حوزههای تخصصی:
خشکسالی یکی از پدیده های آب و هوایی است که در همه ی شرایط اقلیمی و در همه ی مناطق کره ی زمین به وقوع می پیوندد. پیش بینی خشک سالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم های منابع آب، تعیین نیاز آبی گیاه ایفا می نماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماهه ی چهار ایستگاه باران سنجی دلفان، سلسله، دورود و بروجرد واقع در استان لرستان از مدل شبکه ی عصبی موجک استفاده شد و نتایج آن با سایر روش های هوشمند از جمله شبکه ی عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر بارش در مقیاس زمانی ماهانه در طی دوره ی آماری (1372-1392) به عنوان ورودی و شاخص بارش استاندارد به عنوان پارامتر خروجی مدل ها انتخاب گردید. معیارهای ضریب همبستگی، ریشه ی میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدل ها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین شاخص بارش استاندارد دارند، لیکن از لحاظ دقت، مدل شبکه ی عصبی موجک عملکرد بهتری نسبت به شبکه ی عصبی مصنوعی از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل شبکه ی عصبی موجک می تواند در زمینه تخمین خشکسالی موثر باشد.