توسعه مدل هیبریدی موجکی در برآورد خشکسالی های منطقه ای حوضه آبریز سیمینه رود

در مطالعه حاضر خشکسالی حوضه آبریز سیمنه رود به وسیله مدلهای هوشمند ماشین بردار پشتیبان (SVM)، شبکه عصبی مصنوعی (ANN) و تئوری موجک (W) مورد بررسی قرار گرفت. از دادههای شش ایستگاه باران سنجی در منطقه استفاده و شاخص خشکسالی در چهار مقیاس زمانی محاسبه گردید. همچنین خود همبستگی مرتبه اول به عنوان تاخیر بهینه انتخاب شد. سپس ساختار مناسب شبکه عصبی مصنوعی با استفاده از روش آزمون و خطا تعیین و ضرایب سه گانه مدل SVM نیز مشخص و مدلسازی انجام شد. نتایج ارزیابی مدلهای منفرد نشان داد که تفاوت معنی داری بین دو روش در پیش بینی خشکسالیها وجود ندارد. در ادامه مدلهای هیبریدی WANN و WSVMتهیه شدند. نتایج نشان داد کاربست تئوری موجک عملکرد مدلهای منفرد را بسیار بهبود داده و مقدار شاخصهای RMSE و MAE به ترتیب ۱۹٪ و ۲۱٪ کاهش و ضریب همبستگی ۳۰٪ افزایش داشته و مدل W(L۲)SVM برای پیشبینی خشکسالی های حوضه آبریز سیمینه رود پیشنهاد گردید.

توسعه مدل هیبریدی موجکی در برآورد خشکسالی های منطقه ای حوضه آبریز سیمینه رود Keywords:

ماشین بردار پشتیبان(SVM) , تئوری موجک (W) , شبکه عصبی مصنوعی (ANN) , شاخص خشکسالی (SPI) , حوضه آبریز سیمینه رود