عرفان رستم زاده - گروه مهندسی عمران -دانشکده فنی و مهندسی - دانشگاه آزاد اسلامی واحد ارومیه- ارومیه - ایران
علیرضا پرویشی - گروه مهندسی عمران - دانشکده فنی و مهندسی - دانشگاه آزاد اسلامی واحد ارومیه

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.

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