بررسي كارآيي مدل تلفيقي شبكه عصبي و تبديلات موجك در پيش بيني خشكسالي (مطالعه موردي ايستگاه سينوپتيك قزوين)

خشكسالی پدیدهای آرام و بخش طبیعی از اقلیم هر منطقه میباشد. پیشبینی خشكسالی نقش مهمی در مدیریت منابع آب و كاهش خسارات خشكسالی ایفا می نماید . توانایی بالای شبكه های عصبی مصنوعی در مدلسازی و پیشبینی سری های زمانی نامانا و غیرخطی در مهندسی آب به اثبات رسیده است و تبدیلات موجك با تجزیه ساختن سری های زمانی به مؤلفه های قطعی و غیرقطعی سبب بهبود عملكرد شبكه های عصبی در پیشبینی ها میشود.در این تحقیق،توانایی مدل تلفیقی مبتنی بر شبكه های عصبی مصنوعی و تبدیلات موجك برای پیش بینی های ۱،۲ و ۳ماهه خشكسالی مورد بررسی قرار گرفته است.در مدل تلفیقی پیشنهاد شده، نخست،سری های زمانی شاخص خشكسالی موثر ماهانه به زیرمؤلفها تجزیه شده و سپس این زیرمؤلفه به كمك مدل های شبكه عصبی مصنوعی پیشبینی میگردند. برای ساخت الگوهای ورودی شبكه از بارش ماهانه و شاخص بارش استانداردشده نیز بهره گرفته شدهاست. نتایج بدست آمده از این مدل تلفیقی برای ایستگاه سینوپتیك استان قزوین نشان دهنده كارآیی این مدلهای تلفیقی در بهبود دقت پیشبینی های ۱،۲ و ۳ماهه خشكسالی نسبت به مدلهای شبكه عصبی مصنوعی میباشد.همچنین نتایج تحلیل هیستوگرام فراوانی طبقاتی شاخص خشكسا لی موثر در این ایستگاه بیانگر آن است كه در طبقات نرمال و نزدیك به نرمال(طبقات كمی مرطوب و خشكسالی ملایم) مدلهای تلفیقی مبتنی بر تئوری موجك از خود عملكرد بهتری نشان می دهد.