توسعه مدل تلفيقي غيرخطي پيش بيني خشكسالي مبتني بر شبكه عصبي مصنوعي و تبديلات موجك - مطالعه موردي: حوضه آبريز د زاينده رود

خشكسالی پدیده ای آرام و بخش طبیعی از اقلیم هر منطقه است. پیش بینی خشكسالی نقش مهمی در مدیریت منابع آب و كاهش خسارات خشكسالی ایفا می نماید. توانایی بالای شبكه های عصبی مصنوعی در مدل سازی و پیش بینی سری های زمانی نامانا و غیر خطی در مهندسی آب به اثبات رسیده است و تبدیلات موجك با تجزیه ساختن سری های زمانی به مولفه های قطعی و غیر قطعی سبب بهبود عملكرد شبكه های عصبی در پیش بینی ها می شود. در این مقاله ، مدل تلفیقی مبتنی بر شبكه های عصبی مصنوعی و تبدیلات موجك برای پیش بینی های 1، 3 و 6 ماهه خشكسالی ارائه میگردد. در مدل تلفیقی پیشنهاد شده، نخست سری های زمانی شاخص خشكسالی موثر ماهانه به زیر مولفه ها تجزیه شده و سپس این زیر مولفه به كمك مدل های شبكه عصبی مصنوعی پیش بینی می گردند. برای ساخت الگوهای ورودی شبكه از بارش ماهانه و شاخص بارش استاندارد شده نیز بهره گرفته شده است. نتایج به دست آمده از این مدل تلفیقی برای 4 ایستگاه چلگرد، قلعه شاهرخ، دامنه فریدن و سد زاینده رود واقع در حوزه آبریز سد زاینده رود نشا ن دهنده كارایی این مدل های تلفیقی در بهبود دقت پیش بینی های 1، 3و6 ماهه خشكسالی نسبت به مدل های شبكه عصبی مصنوعی می باشد.