پيش بيني خشكسالي هواشناسي، هيدرولوژيكي و كشاورزي مبتني بر روش موجك در تهران

Meteorological, Hhydrological an‎d Agricultural Droughts Prediction Using Wavelet Method In Tehran

پيش‌بيني خشكسالي نه تنها يكي از چالش­هاي اساسي كشور بلكه چالشي براي كشورهاي داراي فناوري مدلسازي ديناميكي پيش‌بيني ماهانه است. با توجه به خسارت­هاي سنگيني كه توسط بروز پديده­ ي خشكسالي به بشر تحميل مي­ گردد، پيش ­بيني هرچه دقيق ­تر خشكسالي از اهميت ويژه­اي برخوردار است. روش تلفيقي موجك- شبكه ­عصبي يكي از روش­هاي بسيار دقيق براي اين مهم مي­ باشد. يك عامل مهم و تاثير­گذار در نتايج تبديلات موجك، استفاده از موجك مادر مناسب مي­باشد. هدف از اين پژوهش تعيين موجك مادر بهينه براي پيش ­بيني دقيق­تر انواع خشكسالي مي­باشد. بدين منظور به ترتيب از داده ­هاي بارش روزانه، دبي روزانه و تصاوير ماهواره­اي مربوط به شهر تهران از سال 1969 تا سال 2016 به عنوان داده ­هاي خام براي محاسبه­ ي سري زماني خشكسالي هواشناسي، هيدرولوژيكي و كشاورزي استفاده گرديد. براي پيش ­بيني خشكسالي­ ها از روش تبديلات موجك WT1 و شبكه عصبي PNN2 توامان استفاده شد. از هر سري زماني خشكسالي تبديلات موجك با استفاده از موجك haar و bior1.1 گرفته شد و پيش ­بيني توسط شبكه­ ي عصبي انجام پذيرفت. نتايج پيش ­بيني با استفاده از موجك مادر haar نشان داد ضريب همبستگي براي خشكسالي­ هاي هواشناسي، هيدرولوژيكي و كشاورزي به ترتيب 0/68039، 0/76271 و 0/92697 مي ­باشد. سپس، پيش ­بيني هر نوع خشكسالي با موجك مادر bior1.1 انجام پذيرفت و مشخص شد ضريب همبستگي براي خشكسالي هواشناسي، هيدرولوژيكي و كشاورزي به ترتيب 0/71169، 0/74147 و 0/82049 مي ­باشد. نتايج كلي نشان داد كه موجك مادر bior1.1 براي پيش‌بيني خشكسالي هواشناسي بهتر ظاهر شده و نتايج بهتري را در اختيار ما قرار مي­دهد. اما در خصوص پيش ­بيني دو نوع خشكسالي هيدرولوژيكي و كشاورزي موجك مادر haar نتايج بهتري در اختيار ما قرار مي­ دهد.

According to the heavy damage caused to humans by the occurrence of drought, it is important to predict the drought as accurately as possible.The wavelet-neural network integration method is one of the most accurate methods for this important.There are several categories of drought, including meteorological,hydrological,and agricultural drought.In this study,authors was tried to determine the optimal wavelet for predicting different types of drought.daily precipitation data,daily discharge,and satellite imageryrelated to Tehran from 1969 to 2016 were use as raw data to calculate the indicators.The wave transformations (WT) conversion method and PNN neural network have been used to predict droughts.From each time series of drought, wavelet transformations were performed using haar and bior1.1waves,and the prediction was make by neural network.It was found that the regression coefficient and error concentration for meteorological drought using haar wave are 0.68and 0.033and regression coefficient and error concentration for hydrological drought using haar wave are 0.76and0.066and regression coefficient and error concentration for agricultural drought using haar wave are 0.9269and0.1515.Then, the prediction of any kind of drought was done with bior1.1wave and it was found that the regression coefficient and error concentration for meteorological drought using bior1.1wave are 0.7116and 0.992.and the regression and concentration coefficientThe error for hydrological drought using bior1.1wave is0.14147and 0.0329and the regression and error concentration coefficient for agricultural drought using bior1.1 wave are0.82049and0.0016.The results showed that for meteorological drought, the bior1.1wave appeared better and gave us better results.But in two types of hydrological and agricultural droughts,it was found that the haar wave gives us better results.