کاربرد مدل تلفیقی تبدیل موجک و شبکه عصبی مصنوعی در ...

خشکسالی یکی از بلایای طبیعی است که سالانه خسارات فراوانی را برای جوامع مختلف به دنبال دارد. ارزیابی و پیشبینی خشکسالیها می-تواند اطلاعات با ارزشی جهت تدوین برنامههای مقابله با خشکسالی و کاهش خسارات مربوط به آن در اختیار مدیران و برنامه ریزان منابع آب بگذارد. در تحقیق حاضر، خشکسالیهای هواشناسی ایستگاه کوهرنگ در استان چهارمحال و بختیاری با استفاده از شاخص خشکسالی احیائی (RDI) در دوره آماری 2016-1987 مورد بررسی و تحلیل قرار گرفت. سپس با استفاده از مدل شبکه عصبی مصنوعی (ANN) و مدل تلفیقی موجک با شبکه عصبی مصنوعی (WANN) دادههای ماهانه بارندگی و تبخیر- تعرق پتانسیل برای سال 2016 پیشبینی شد. نتایج نشان داد که هرچند مدل ANN در پیشبینی دادههای تبخیر- تعرق پتانسیل از دقت قابل قبولی برخوردار بود، اما دقت آن در پیشبینی دادههای بارندگی مناسب نبوده است. در حالیکه مدل WANN از دقت خوبی در پیشبینی دادههای بارندگی ماهانه و تبخیر- تعرق پتانسیل برخوردار بود، بطوریکه میزان R^2 مرحله تست، در پیش بینی دادههای ماهانه بارندگی معادل 69/0 و برای دادههای ماهانه تبخیر- تعرق پتانسیل معادل 99/0 بود که نتایج مطلوبتری نسبت به مدل شبکه عصبی داشت (میزان R^2 مدل شبکه عصبی مصنوعی برای بارندگی 52/0 بود). بنابراین، از مدل WANN برای پیشبینی دادههای بارندگی و تبخیر- تعرق پتانسیل استفاده شد. در مرحله بعد با استفاده از دادههای پیشبینی شده، مقادیر شاخص RDI محاسبه و با مقادیر متناظر این شاخص که با دادههای مشاهداتی محاسبه شده بودند، مقایسه گردید. نتایج نشان داد که مدل WANN عملکرد خوبی در پیشبینی خشکسالی کوهرنگ داشته است.