سال انتشار: ۱۳۸۵

محل انتشار: دومین کنفرانس مدیریت منابع آب

تعداد صفحات: ۸

نویسنده(ها):

احمد ابریشم چی – استاد دانشکده مهندسی عمران، دانشگاه صنعتی شریف
حسین مهدیخانی – کارشناس ارشد مهندسی منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی ش
مسعود تجریشی – دانشیار دانشکده مهندسی عمران، دانشگاه صنعتی شریف

چکیده:

خشکسالی پدیده ای آرام و بخش طبیعی از اقلیم هر منطقه است. پیش بینی خشکسالی نقشمهمی در مدیریت منابع آب و کاهش خسارات خشکسالی ایفا می نماید. توانایی بالای شبکه 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 موجک با تجزیه ساختن سری های زمانی به مولفه های قطعی و غیر قطعی سبب بهبود عملکرد شبکه های عصبی در پیش بینی ها می شود. در این مقاله ، مدل تلفیقی مبتنی بر شبکه های عصبی مصنوعی و تبدیلات موجک برای پیش بینی های ۱، ۳ و ۶ ماهه خشکسالی ارائه میگردد. در مدل تلفیقی پیشنهاد شده، نخست سری های زمانی شاخص خشکسالی موثر ماهانه به زیر مولفه ها تجزیه شده و سپس این زیر مولفه به کمک مدل های شبکه عصبی مصنوعی پیش بینی می گردند. برای ساخت الگوهای ورودی شبکه از بارش ماهانه و شاخص بارش استاندارد شده نیز بهره گرفته شده است. نتایج به دست آمده از این مدل تلفیقی برای ۴ ایستگاه چلگرد، قلعه شاهرخ، دامنه فریدن و سد زاینده رود واقع در حوزه آبریز سد زایندهرود نشا ن دهنده کارایی این مدل های تلفیقی در بهبود دقت پیش بینی های ۱، ۳و۶ ماهه خشکسالی نسبت به مدل های شبکه عصبی مصنوعی می باشد.