فهرست نشریات علمی دسترسی آزاد ایران

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. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماهه چهار ایستگاه باران سنجی نورآباد، الشتر، درود و بروجرد واقع در استان لرستان از مدل شبکه عصبی موجک استفاده شد و نتایج آن با سایرروشهای هوشمند از جمله  شبکه عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر بارش در مقیاس زمانی ماهانه در طی دوره آماری (1372-1392) بعنوان ورودی و شاخص بارش استاندارد بعنوان پارامتر خروجی مدلها انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین شاخص بارش استاندارد دارند، لیکن از لحاظ دقت، مدل شبکه عصبی موجک در ایستگاه دورود ضریب همبستگی 811/0 و کمترین ریشه میانگین مربعات خطا 068/0 میلی متر و کمترین میانگین قدر مطلق خطا 051/0 میلی متر، در ایستگاه بروجرد ضریب همبستگی 885/0 و کمترین ریشه میانگین مربعات خطا 056/0 میلی متر و کمترین میانگین قدر مطلق خطا 048/0 میلی متر، ایستگاه الشتر  ضریب همبستگی 827/0 و کمترین ریشه میانگین مربعات خطا 045/0 میلی متر و کمترین میانگین قدر مطلق خطا 039/0 میلی متر و در نهایت در ایستگاه نورآباد با ضریب همبستگی 849/0 و کمترین ریشه میانگین مربعات خطا 050/0 میلی متر و کمترین میانگین قدر مطلق خطا 046/0 میلی متر در مرحله صحت سنجی نسبت به سایر ساختارها جهت مدل‌سازی شاخص بارش استاندارد درمقیاس زمانی ماهانه عملکرد بهتری نسبت به شبکه عصبی مصنوعی از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل شبکه عصبی موجک می‏تواند در زمینه تخمین خشکسالی موثر باشد که در نوبه خود برای تسهیل توسعه و پیاده سازی استراتژی های مدیریتی جهت جلوگیری از ایجاد خشکسالی مفید است.