بهره‌گيري از الگوريتم‌هاي تلفيقي SVR و GPR با موجك در مدل‌سازي و پيش‌بيني ماهانه خشك‌سالي

مقدمه: خشك‌سالي يكي از مخاطرات طبيعي است كه به دليل متأثر بودن از پارامترهاي مختلف اقليمي داراي رفتاري تصادفي و غيرخطي است. شاخص SPI به‌عنوان مرسوم‌ترين شاخص مستخرج شده از بارندگي مي‌باشد كه در مدل‌سازي خشك‌سالي مورداستفاده محققين مختلف قرارگرفته است. استفاده از روشهاي هوش محاسباتي جهت مدل سازي خشك سالي در سالهاي اخير بسيار مورد توجه محققين حوزه منابع آب بوده است. روش : در اين تحقيق از الگوريتم‌هاي SVR و GPR به صورت منفرد و همچنين تلفيق اين الگوريتم ها با فن موجك به مدل سازي و پيش بيني شاخص SPI پرداخته شده است و هدف بررسي ميزان بهبود نتايج الگوريتم هاي هوش محاسباتي در تلفيق با موجك بوده است. در اين تحقيق از اطلاعات سري زماني 10 ايستگاه سينوپتيك ايران در بازه زماني 1961 تا 2017 به صورت ماهانه جهت مدل سازي خشك سالي به عنوان ورودي الگوريتم هاي مورد مطالعه استفاده شده است. يافته ها: نتايج اين پژوهش نشان داد كه استفاده از روش موجك در تلفيق با الگوريتم هاي هوش محاسباتي SVR و GPR سبب بهبود نتايج در تمامي مقياس هاي زماني گرديد. همچنين ميزان بهبود مدل‌سازي ناشي از استفاده از موجك در تلفيق با مدل SVR با ميانگين تفاضل RMSE برابر با 0.1540- و تفاضل R2 برابر 0.1491 و در مدل GPR با ميانگين تفاضل RMSE برابر با 0.1554- و تفاضل R2 برابر 0.1530 نسبت به مدل‌هاي منفرد SVR و GPR نشان داد كه مدل GPR در حالت كلي (همه مقياس‌هاي زماني و تمامي ايستگاه‌ها) بهبود بهتري در مدل هيبريدي نسبت به مدل منفرد داشته است.