كاربرد مدل شبكه عصبي موجك در تخمين شاخص بارش استاندارد

خشكسالي يكي از پديدههاي آب و هوايي است كه در همه شرايط اقليمي و در همه مناطق كره زمين به وقوع ميپيوندد. پيشبيني خشكسالي نقش مهمي در طراحي و مديريت منابع طبيعي، سيستمهاي منابع آب، تعيين نياز آبي گياه ايفا مينمايد. بدين منظور در اين پژوهش از دادههاي 4 ايستگاه بارانسنجي نورآباد، بروجرد، الشتر و دورود واقع در استان لرستان، به بررسي خشكسالي با استفاده از شاخص بارش استاندارد SPI در مقياسهاي زماني 8 و 12 ماهه پرداخته شد. سپس، خشكساليها با مدل شبكه عصبي موجك ارزيابي گرديد. نتايج اين پژوهش نشان داد ايستگاههاي بروجرد و دورود داراي طوالنيترين خشكسالي و ايستگاه نورآباد شديدترين خشكسالي را دارا ميباشد. همچنين نتايج حاصل از بررسي تعداد ماههاي خشكسالي نشان داد بيشترين ماههاي خشكسالي در ايستگاه بروجرد رخداده است. نتايج تخمين خشكساليها با مدل شبكه عصبي موجك نشان داد اين مدل در برآورد شاخص خشكسالي ايستگاه دورود نسبت به ساير ايستگاهها نتايج مطلوبي در هر دو مقياس زماني ارايه مينمايد درمجموع نتايج نشان داد مدل شبكه عصبي موجك جهت تخمين خشكسالي در مقياس زماني طوالنيمدت دقت بيشتري از خود نشان داده و استفاده از مدل شبكه عصبي موجك ميتواند درزمينه ‌ تخمين خشكسالي موثر باشد كه در نوبه خود براي تسهيل توسعه و پيادهسازي استراتژيهاي مديريتي جهت جلوگيري از ايجاد خشكسالي ها مفيد است.