کاربرد مدل شبکه عصبی موجک در تخمین شاخص بارش استاندارد

خشکسالی یکی از پدیده‌های آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع می‌پیوندد. پیش‌بینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم‌های منابع آب، تعیین نیاز آبی گیاه ایفا می‌نماید. بدین منظور در این پژوهش از داده‏های 4 ایستگاه باران‌سنجی نورآباد، بروجرد، الشتر و دورود واقع در استان لرستان، به بررسی خشکسالی با استفاده از شاخص بارش استاندارد spi در مقیاس‏های زمانی 6 و 12 ماهه پرداخته شد. سپس،‌ خشکسالی‏ها با مدل شبکه عصبی موجک ارزیابی گردید. نتایج این پژوهش نشان داد ایستگاه‌های بروجرد و دورود دارای طولانی‌ترین خشکسالی و ایستگاه نورآباد شدیدترین خشکسالی را دارا می‌باشد. همچنین نتایج حاصل از بررسی تعداد ماه‌های خشکسالی نشان داد بیشترین ماههای خشکسالی در ایستگاه بروجرد رخ‌داده است. نتایج تخمین خشکسالی‏ها با مدل شبکه عصبی موجک نشان داد این مدل در برآورد شاخص خشکسالی ایستگاه دورود نسبت به سایر ایستگاه‌ها نتایج مطلوبی در هر دو مقیاس زمانی ارائه می‌نماید درمجموع نتایج نشان داد مدل شبکه عصبی موجک جهت تخمین خشکسالی در مقیاس زمانی طولانی‌مدت دقت بیشتری از خود نشان داده و استفاده از مدل شبکه عصبی موجک می‏تواند درزمینهٔ تخمین خشکسالی موثر باشد که در نوبه خود برای تسهیل توسعه و پیاده‌سازی استراتژی‌های مدیریتی جهت جلوگیری از ایجاد خشکسالی ها مفید است.