بهار و تابستان                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


دانشگاه ارومیه
چکیده:   (52 مشاهده)
     خشکسالی جزء جدایی ­ناپذیر هر اقلیمی محسوب می ­گردد که تأثیرات مهمی بر بخش­ های مختلف جامعه دارد و سبب افزایش فشار بر منابع آبی می­ گردد. لذا پیش­ بینی وضعیت آتی آن می­تواند به برنامه ­ریزان و تصمیم ­گیران در بخش­ های مختلف کمک شایانی نماید. در این تحقیق جهت پیش ­بینی خشکسالی در مقیاس­ های زمانی مختلف شاخص خشکسالی بارش و تبخیر تعرق استاندارد (SPEI) از 5 ورودی مختلف شامل مقادیر شاخص SPEI با تأخیرهای یک تا 5 ماهه استفاده و سپس از سه روش هوشمند شامل برنامه ­ریزی بیان ژن (GEP)، شبکه بیزین (BN) و شبکه عصبی مصنوعی (ANN) جهت پیش­بینی مقادیر آتی استفاده گردید. نتایج نشان داد که هر سه روش در مقیاس زمانی کوتاه ­مدت شاخص SPEI از دقت مناسب برخوردار نمی ­باشند به طوری که بهترین عملکرد در مقیاس زمانی یک ماهه مربوط به مدل شبکه بیزین با ضریب همبستگی 142/0 و در مقیاس سه ماهه مربوط به روش ANN با ضریب همبستگی 704/0 می­باشد. نتایج همچنین نشان داد که دقت پیش ­بینی­ مدل با افزایش مقیاس محاسبه SPEI رابطه مستقیم دارد و با افزایش مقیاس زمانی SPEI، دقت پیش­بینی افزایش پیدا می ­کند. همچنین هر سه روش در مقیاس ­های زمانی بلندمدت از عملکرد مناسبی برخوردار می ­باشند.
 
     
نوع مطالعه: پژوهشي | موضوع مقاله: بلايای طبيعی (سيل، خشکسالی و حرکت های توده ای)
دریافت: 1397/7/9 | ویرایش نهایی: 1399/4/15 | پذیرش: 1398/3/5

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | Journal of Watershed Management Research

Designed & Developed by : Yektaweb