توسعه مدل تلفیقی غیرخطی پیش بینی خشکسالی هیدرولوژیکی مبتنی بر شبکه عصبی مصنوعی - تبدیلات موجک (مطالعه موردی: حوزه آبخیز کرخه)

خشکسالی را می توان پدیده ای گذرا، آرام، تکرار شونده و جزئی جدانشدنی از اقلیم هر منطقه دانست. بهترین راه سازگاری با خشکسالی، شناخت صحیح این پدیده و زمان وقوع آن است. در چند دهه اخیر شبکه های عصبی مصنوعی و استفاده از پیش پردازشگر داده ها، قابلیت بالای خود را در مدلسازی سری های ناایستا و غیر خطی هیدرولوژیکی نشان داده اند. در این تحقیق از شاخص SDI بعنوان شاخص خشکسالی هیدرولوژیکی و فاکتور پیش بینی کننده در مقیاس زمانی ماهانه و فصلی در پنج ایستگاه هیدرومتری حوزه آبخیز کرخه و مدل تلفیقی مبتنی بر شبکه های عصبی مصنوعی و تبدیلات موجک برای پیش بینی خشکسالی هیدرولوژی ماهانه و فصلی ارائه گردید. در مدل تلفیقی، نخست سری های زمانی خشکسالی هیدرولوژیکی مؤثر ماهانه و فصلی به زیرمؤلفه ها تجزیه شده و سپس این زیرمؤلفه ها به کمک شبکه عصبی مصنوعی پیش بینی گردید. نتایج پیش بینی با مدل های هوشمند نشان داده است که پیش پردازش اولیه داده ها قبل از ورود به مدل سبب افزایش کارایی مدل می گردد.

توسعه مدل تلفیقی غیرخطی پیش بینی خشکسالی هیدرولوژیکی مبتنی بر شبکه عصبی مصنوعی - تبدیلات موجک (مطالعه موردی: حوزه آبخیز کرخه) Keywords:

پیش بینی , تبدیلات موجک , خشکسالی , هیدرولوژیکی , شبکه عصبی مصنوعی