TY - JOUR ID - 7645 TI - تخمین خشکسالی با استفاده از شبکه های هوشمند JO - هیدروژئومورفولوژی JA - HYD LA - fa SN - 2383-3254 AU - ترابی پوده, حسن AU - شاهی نژاد, بابک AU - دهقانی, رضا AD - دانشیار گروه مهندسی آب، دانشگاه لرستان AD - استادیار گروه مهندسی آب دانشگاه لرستان، لرستان، ایران AD - دانشجوی دکترای سازه های آبی، دانشگاه لرستان، لرستان، ایران. Y1 - 2018 PY - 2018 VL - 5 IS - 14 SP - 179 EP - 197 KW - کلمات کلیدی: بارش KW - خشکسالی KW - شاخص بارش استاندارد KW - شبکه ی عصبی موجک DO - N2 - 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. UR - https://hyd.tabrizu.ac.ir/article_7645.html L1 - https://hyd.tabrizu.ac.ir/article_7645_f9e5ea26a770b524879e9d69139d3ab1.pdf ER -