فهرست نشریات علمی دسترسی آزاد ایران

اثرات معینی از تغییرات آب و هوایی می تواند به طور بالقوه با تغییرات در الگوهای بارندگی، از جمله تغییر در شدت بارندگی یا وقوع خشکسالی مرتبط باشد. از این رو، پیش‌بینی خشکسالی می‌تواند کمک ارزشمندی در کاهش پیامدهای زیانبار مرتبط با کمبود آب، به ویژه در مناطق کشاورزی یا مناطق شهری پرجمعیت باشد. استفاده از مدل‌های پیش‌بینی‌کننده برای محاسبه شاخص‌های خشکسالی می‌تواند روشی مفید برای توصیف مؤثر شرایط خشکسالی باشد. در این تحقیق، از مدل هوشمند ترکیبی جدید مبتنی بر رویکرد مدل رگرسیون بردار پشتیبان برای پیش‌بینی شاخص بارش استاندارد 12 ماهه چهار ایستگاه بارانسنجی دورود، بروجرد، سلسه و دلفان واقع در استان لرستان توسعه داده شد. بدین منظور در این پژوهش از دو الگوریتم بهینه سازی شامل کرم شب تاب و گرگ خاکستری برای مدلسازی شاخص بارش استاندارد بکار برده شد. جهت مدلسازی از پارامتر بارش ایستگاههای بارانسنجی مورد مطالعه در سالهای 1382-1402 استفاده شد. به منظور ارزیابی عملکرد مدلها از معیارهای ارزیابی ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف استفاده شد. نتایج نشان داد مدل رگرسیون بردار پشتیبان-کرم شب تاب در کلیه دشت های مورد بررسی از مدل رگرسیون بردار پشتیبان-گرگ خاکستری عملکرد بهتری برخوردار است. در مجموع نتایج نشان داد استفاده از مدلهای هوشمند مبتنی بر رویکرد رگرسیون بردار پشتیبان می تواند رویکردی موثر در جلوگیری از خشکسالی باشد.