ارائه مدل تلفیقی عددی-یادگیری ماشین Galerkin-MARS به‌منظور مدل‌سازی خشک‌سالی هواشناسی (مطالعه موردی: استان خوزستان)

نویسندگان

1 گروه مهندسی احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، ایران.

2 گروه مهندسی احیاء مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، ایران.

doi
10.22059/jwim.2025.392401.1213
چکیده

خشک‌سالی یکی از بلایای طبیعی، به‌ویژه در مناطق خشک و نیمه‌خشک به‌شمار می‌آید. تحلیل شرایط، مشخصات و وﺿﻌﻴﺖ ﺧﺸک‌سالی ﺑﻪﻋﻨﻮان یک نوع خطر ﻃﺒﻴﻌﻲ در مناطق مختلف ﺑﺎ تمرکز بر جمع‌آوری راهکارهای ﻣﻘﺎﺑﻠﻪ ﺑﺎ خشک‌سالی و ﻣﺪﻳﺮﻳﺖ مخاطرات آن دارای اهمیت بسیار بالایی می‌باشد. در پژوهش حاضر، تجزیه و تحلیل و پیش‌بینی خشک‌سالی هواشناسی در استان خوزستان با مدل‌های انفرادی Galerkin و MARS و مدل تلفیقی هوشمند Galerkin-MARS در طول دوره آماری 30 ساله (1399-1369) مورد بررسی قرار گرفت. جهت ارزیابی شرایط خشک‌سالی، از شاخص بارش استاندارد شده (SPI) ‌حاصل از داده‌های هشت ایستگاه سینوپتیک استان خوزستان استفاده شد. در گام بعدی، نتایج مدل‌سازی توسط مدل‌های ذکر شده و با استفاده از شاخص‌های نیکویی برازش با یکدیگر مقایسه شدند. نتایج بیانگر این بود که مدل تلفیقی Galerkin-MARS به‌منظور برآورد شاخص SPI در استان خوزستان از کارایی بسیار بالایی برخوردار است. هم‌چنین پنجره‌های زمانی بلندمدت SPI از دقت بالاتری نسبت به پنجره‌های زمانی کوتاه مدت در منطقة مورد مطالعه برخوردار بودند. به‌طور کلی می‌توان گفت که تلفیق مدل‌های عددی با یادگیری ماشین در استان خوزستان، افزایش دقت در مدل‌سازی نمایه SPI را به دنبال دارد.