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

خشک­سالی یکی از بلایای طبیعی است که سالانه خسارات فراوانی را برای جوامع مختلف به دنبال دارد. ارزیابی و پیش­بینی خشکسالی­ها می­تواند اطلاعات با ارزشی جهت تدوین برنامه­های مقابله با خشک­سالی و کاهش خسارات مربوط به آن در اختیار مدیران و برنامه­ریزان منابع آب بگذارد. در تحقیق حاضر، خشک­سالی­های هواشناسی ایستگاه کوهرنگ در استان چهارمحال و بختیاری با استفاده از شاخص خشک­سالی 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) داده­های ماهانه بارش و تبخیر­تعرق پتانسیل برای سال 2016 پیش­بینی شد. نتایج نشان داد که هرچند مدل ANN در پیش­بینی داده­های تبخیر­تعرق پتانسیل از دقت قابل قبولی برخوردار بود، اما دقت آن در پیش­بینی داده­های بارش مناسب نبوده است. در حالی­که مدل WANN از دقت خوبی در پیش­بینی داده­های بارش ماهانه و تبخیر­تعرق پتانسیل برخوردار بود، به­طوری­که میزان مرحله تست، در پیش­بینی داده­های ماهانه بارش معادل 69/0 و برای داده­های ماهانه تبخیر­تعرق پتانسیل معادل 99/0 بود که نتایج مطلوب­تری نسبت به مدل شبکه عصبی داشت (میزان مدل شبکه عصبی مصنوعی برای بارش 52/0 بود). بنابراین، از مدل WANN برای پیش­بینی داده­های بارش و تبخیر­تعرق پتانسیل استفاده شد. در مرحله بعد با استفاده از داده­های پیش­بینی­شده، 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.