مديريت ريسك خشكسالي با استفاده از مدل تبديلات موجك  Fulltext 

[ حسين مهديخاني ] - كارشناس ارشد مهندسي منابع آب، دانشكده مهندسي عمران، دانشگاه صنعتي شريف - تهران
[ افشين يوسف گمركچي ] - عضو هيات علمي مركز تحقيقات كشاورزي و منابع طبيعي استان قزوين

خلاصه مقاله:

خشكسالي پديدهاي آرام و بخش طبيعي از اقليم هر منطقه ميباشد . پيشبيني خشكسالي نقش مهمي در مديريت منابع آب و كاهش خسارات خشكسالي و تبديل مديريت بحران به مديريت ريسك در طرح جامع خشكسالي ايفا مينماي د . توان ايي بالا ي شبكه ه اي - عصبيمصنوعي در مدلسازي و پيشبيني سريهاي زماني نامانا و غيرخطي در مهندسي آب به اثبات رسيده است و تبديلات موجك با
تجزيهساختن سريهاي زماني به مؤلفههاي قطعي و غيرقطعي سبب بهبود عملكرد شبكههايعصبي در پيشبينيها ميشود . در اي ن تحقيق،توانايي مدل تلفيقي مبتني بر شبكههايعصبيمصنوعي و تبديلات موجك براي پيش بيني هاي 1 ، 2 و 3 ماهه خشكسا لي مورد بررسي قرار گرفته است . در مدل تلفيقي پيشنهادشده، نخست،سريهاي زماني شاخص خشكسالي موثر ماهانه به زيرمؤلفهها تجزيهشده
و سپس اين زيرمؤلفه بهكمك مدلهاي شبكهعصبيمصنوعي پيشبيني ميگردند . براي ساخت الگوهاي ورودي شبكه از بارش ماهانه و شاخص بارش استانداردشده نيز بهره گرفته شدهاست . نتايج بدست آمده از اين مدل تلفيقي براي ايستگاه سينوپتيك استان قزوين نشان دهنده كارايي اين مدلهاي تلفيقي در بهبود دقت پيشبيني هاي 1 ، 2 و 3 ماهه خشكسا لي نسبت به مدل ه اي شبكه عصب ي مصنوعي ميباشد به طوري كه با استفاده از مدل تلفيقي موجك در پيشبينيهاي 3 ماهه، مدلهاي تلفيقي بطور كلي با افزايش كارايي خود را در 0/0328 به حدود 0/6424 از حدود RMSE ANN براي مدل هاي 0/364 از حدود R 2 اصلاح نتايج و قابل اعتماد بودن نتايج پيشبينيهاي 3 ماهه نشان داده اند . به اين ترتيب با استفاده از اين متد امكان كاهش خطاي پيش بيني و گذر از مديريت بحران به مديريت ريسك در پايش خشكسالي امكان پذير خواهد بود .

مديريت ريسك،خشكسالي،تبديلات موجك،شاخص خشكسالي موثر،قزوين