حسن ترابی پوده؛ بابک شاهی نژاد؛ رضا دهقانی
دوره 5، شماره 14 ، خرداد 1397، ، صفحه 179-197
چکیده
چکیده
خشکسالی یکی از پدیدههای آب و هوایی است که در همهی شرایط اقلیمی و در همهی مناطق کرهی زمین به وقوع میپیوندد. پیشبینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستمهای منابع آب، تعیین نیاز آبی گیاه ایفا مینماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماههی چهار ایستگاه بارانسنجی دلفان، سلسله، ...
بیشتر
چکیده
خشکسالی یکی از پدیدههای آب و هوایی است که در همهی شرایط اقلیمی و در همهی مناطق کرهی زمین به وقوع میپیوندد. پیشبینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستمهای منابع آب، تعیین نیاز آبی گیاه ایفا مینماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماههی چهار ایستگاه بارانسنجی دلفان، سلسله، دورود و بروجرد واقع در استان لرستان از مدل شبکهی عصبی موجک استفاده شد و نتایج آن با سایر روشهای هوشمند از جمله شبکهی عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر بارش در مقیاس زمانی ماهانه در طی دورهی آماری (1372-1392) به عنوان ورودی و شاخص بارش استاندارد به عنوان پارامتر خروجی مدلها انتخاب گردید. معیارهای ضریب همبستگی، ریشهی میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین شاخص بارش استاندارد دارند، لیکن از لحاظ دقت، مدل شبکهی عصبی موجک عملکرد بهتری نسبت به شبکهی عصبی مصنوعی از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل شبکهی عصبی موجک میتواند در زمینه تخمین خشکسالی موثر باشد.