کاربرد مدل تلفیقی تبدیل موجک و شبکه عصبی مصنوعی در پایش خشک سالی هواشناسی (مطالعه موردی: حوضه آبریز کوهرنگ)

خشک سالی یکی از بلایای طبیعی است که سالانه خسارات فراوانی را برای جوامع مختلف به دنبال دارد. ارزیابی و پیش بینی خشکسالی ها می تواند اطلاعات با ارزشی جهت تدوین برنامه های مقابله با خشک سالی و کاهش خسارات مربوط به آن در اختیار مدیران و برنامه ریزان منابع آب بگذارد. در تحقیق حاضر، خشک سالی های هواشناسی ایستگاه کوهرنگ در استان چهارمحال و بختیاری با استفاده از شاخص خشک سالی احیایی (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) داده های ماهانه بارش و تبخیر تعرق پتانسیل برای سال 2016 پیش بینی شد. نتایج نشان داد که هرچند مدل ANN در پیش بینی داده های تبخیر تعرق پتانسیل از دقت قابل قبولی برخوردار بود، اما دقت آن در پیش بینی داده های بارش مناسب نبوده است. در حالی که مدل WANN از دقت خوبی در پیش بینی داده های بارش ماهانه و تبخیر تعرق پتانسیل برخوردار بود، به طوری که میزان  مرحله تست، در پیش بینی داده های ماهانه بارش معادل 69/0 و برای داده های ماهانه تبخیر تعرق پتانسیل معادل 99/0 بود که نتایج مطلوب تری نسبت به مدل شبکه عصبی داشت (میزان  مدل شبکه عصبی مصنوعی برای بارش 52/0 بود). بنابراین، از مدل WANN برای پیش بینی داده های بارش و تبخیر تعرق پتانسیل استفاده شد. در مرحله بعد با استفاده از داده های پیش بینی شده، مقادیر شاخص RDI محاسبه و با مقادیر متناظر این شاخص که با داده های مشاهداتی محاسبه شده بودند، مقایسه گردید. نتایج نشان داد که مدل WANN عملکرد خوبی در پیش بینی خشک سالی کوهرنگ داشته است.