کاربرد توابع مفصل و الگوریتم های هوشمند در تحلیل خشکسالی هواشناسی شاهرود

برای بررسی خشک سالی هواشناسی شاهرود، مشخصه های شدت و مدت خشک سالی آن با استفاده از آمار بارندگی ماهانه سال های 2010-1951 و توابع مفصل به صورت توام تحلیل شد. مقادیر مشخصه های خشک سالی از SPI یک ماهه استخراج گردید. تعدادی تابع توزیع تک متغیره به طور جداگانه به مقادیر شدت و مدت خشک سالی برازش داده شدند. برای تحلیل توام، از پنج تابع مفصل استفاده و معیارهای ارزیابی، شامل RMSE، AIC و NSE محاسبه شدند. از میان این توابع، تابع مفصل گالامبوس به دلیل داشتن حداکثر لگاریتم درست نمایی (443/8199-)، کمترین مقدار RMSE برابر با (0.068)، کمترین مقدار AIC برابر با (64/889) و بیشترین مقدار NSE برابر با (0/93)، مناسب ترین تابع مفصل برای تحلیل دو متغیره انتخاب شد. با استفاده از تابع مفصل برگزیده شده، احتمال و دوره بازگشت توام و شرطی شدت و مدت خشک سالی محاسبه شد. همچنین، سه روش حداکثر درست نمایی (MLE)، کرم شب تاب (FF) و بیگ بنگ- بیگ کرانچ (BB-BC) برای برآورد پارامتر بهترین تابع مفصل مورد استفاده قرار گرفت که پارامتری که روش MLE بهینه کرد، مقدار تابع هدف (RMSE) را 0/068 برآورد کرد؛ در صورتی که الگوریتم های FF و BB-BC، مقدار تابع هدف را تقریبا 0/0409 برآورد کردند. بنابراین، الگوریتم های کرم شب تاب و بیگ بنگ- بیگ کرانچ، خطای کمتری در برآورد پارامتر مفصل نسبت به روش حداکثر درست نمایی داشتند.