فهرست نشریات علمی دسترسی آزاد ایران

پیش­بینی خشکسالی نقش مهمی در طراحی سیستم­های سازگاری با خشکسالی و اجرای عملیات تسکین ایفا می­نماید. داده­های هیدرولوژیک به‌صورت ترکیبی از بخش قطعی و تصادفی می­باشند. با توجه به اینکه داده­های تولیدی مدل­های هوشمند به‌صورت قطعی می­باشند، استفاده از رویکردی جدید برای اعمال بخش تصادفی در پیش­بینی این داده­ها می­تواند قطعیت مدل را افزایش دهد. در این تحقیق با ترکیب مدل برنامه­ریزی بیان ژن (GEP) و مدل سری زمانی مبتنی بر واریانس ناهمسان شرطی (GARCH) سعی در ارائه مدلی ترکیبی برای پیش­بینی خشکسالی شده است. بدین منظور پیش­بینی خشکسالی در ایستگاه سلماس با استفاده از شاخص خشکسالی SPEI در گام­های زمانی مختلف در طی دوره آماری 35 ساله و با پنج مدل ورودی مختلف شامل مقادیر شاخص SPEI از یک تا پنج گام زمانی تأخیر، مورد بررسی قرار گرفت. نتایج نشان داد که روش GEP در مقیاس زمانی کوتاه­مدت شاخص SPEI از دقت مناسب برخوردار نمی­باشد و با افزایش مقیاس زمانی عملکرد مدل بهبود پیدا می­کند. نتایج مدل ترکیبی نشان داد که خطای مدل GEP در همه مقیاس­های زمانی کاهش پیدا می­کند و این بهبود عملکرد در مقیاس­های زمانی کوتاه­مدت ملموس­تر می­باشد به‌نحوی‌که ضریب همبستگی در مقیاس زمانی سه‌ماهه در مدل ساده GEP از 622/0 به 891/0 در مدل ترکیبی افزایش پیدا کرده است.