کاربرد مدل شبکه عصبی موجک در تخمین شاخص بارش استاندارد
نویسندگان
1 مهندسی منابع آب- دانشگاه تبریز
2 گروه مهندسی عمران، دانشگاه آزاد خرم آباد، خرم آباد، ایران.
doi
چکیده
خشکسالی یکی از پدیدههای آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع میپیوندد. پیشبینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستمهای منابع آب، تعیین نیاز آبی گیاه ایفا مینماید. بدین منظور در این پژوهش از دادههای 4 ایستگاه بارانسنجی نورآباد، بروجرد، الشتر و دورود واقع در استان لرستان، به بررسی خشکسالی با استفاده از شاخص بارش استاندارد SPI در مقیاسهای زمانی 6 و 12 ماهه پرداخته شد. سپس، خشکسالیها با مدل شبکه عصبی موجک ارزیابی گردید. نتایج این پژوهش نشان داد ایستگاههای بروجرد و دورود دارای طولانیترین خشکسالی و ایستگاه نورآباد شدیدترین خشکسالی را دارا میباشد. همچنین نتایج حاصل از بررسی تعداد ماههای خشکسالی نشان داد بیشترین ماههای خشکسالی در ایستگاه بروجرد رخداده است. نتایج تخمین خشکسالیها با مدل شبکه عصبی موجک نشان داد این مدل در برآورد شاخص خشکسالی ایستگاه دورود نسبت به سایر ایستگاهها نتایج مطلوبی در هر دو مقیاس زمانی ارائه مینماید درمجموع نتایج نشان داد مدل شبکه عصبی موجک جهت تخمین خشکسالی در مقیاس زمانی طولانیمدت دقت بیشتری از خود نشان داده و استفاده از مدل شبکه عصبی موجک میتواند درزمینهٔ تخمین خشکسالی مؤثر باشد که در نوبه خود برای تسهیل توسعه و پیادهسازی استراتژیهای مدیریتی جهت جلوگیری از ایجاد خشکسالی ها مفید است.