تحلیل ویژگی های خشکسالی با استفاده از روش مفصل و ترکیب الگوریتم های محاسبات نرم (مطالعه موردی: ایستگاه قزوین)

خشکسالی یک پدیده طبیعی است که تاثیرات منفی قابل توجهی بر بخش های مختلف دارد، به ویژه به دلیل تغییرات در الگوهای بارندگی مانند مقدار، شدت و توزیع که منجر به خشکسالی های سالانه در برخی مناطق شده است. پیش بینی، پایش و مدیریت خشکسالی به عنوان پدیده ای طبیعی همواره از چالش های مهم جامعه علمی و تصمیم گیری بوده است. برای درک بهتر و پیش بینی خشکسالی، پژوهشگران معمولا از روش های آماری در مطالعات هیدرولوژیکی استفاده می کنند. توابع احتمال مشترک برای تحلیل چندین متغیر به طور همزمان و حفظ همبستگی های آن ها موثر هستند. علاوه بر این، استفاده از الگوریتم های محاسبات نرم برای پیش بینی و برآورد به طور فزاینده ای محبوب شده است. بخش های مختلف کشور نیز با توجه به ویژگی های جغرافیایی با شدت و مدت متفاوتی از خشکسالی مواجه بوده است. در این مقاله به منظور پایش خشکسالی های هواشناسی ایستگاه قزوین در ایران، مدت و شدت خشکسالی با استفاده از داده های بارندگی ماهانه طی سال های ۱۳۴۳ تا ۱۳۹۷ با استفاده از الگوریتم های ترکیبی محاسبات نرمM۵-PSO، M۵-GA، M۵-GMDH ،M۵-GEP  وCART بر مبنای توابع مفصل با نرم افزار کدنویسی R و GeneXproTools ۴ مورد بررسی قرار گرفته است. ویژگی های خشکسالی از شاخص استاندارد بارش ماهانه (SPI) محاسبه می شود. الگوریتم درخت M۵ از نوع دسته بندی برای داده ها استفاده شد. داده های پیش بینی باران سنجی (از سال ۱۳۹۷-۱۴۰۱) به طور تصادفی که ۷۰ درصد داده ها برای آموزش و ۳۰ درصد داده ها برای آزمون برگزیده شد و سپس با خروجی پژوهش های دیگر (میزان خطا، همبستگی و صحت) مقایسه شدند. در بین الگوریتم M۵-GEP بهترین جواب در مقایسه با سایر مدل ها نمایش داد. مقدار RMSE برای M۵-GEP مبتنی بر مفصل ۱۲/۰ به دست آمد و برتری این مدل را در مقایسه با سایر الگوریتم های اشاره شده نشان می دهد. چنین ویژگی های احتمالی خشکسالی می تواند برای مدیریت و برنامه ریزی منابع آب استفاده شود.

کلیدواژه ها:

الگوریتمهای محاسبات نرم ، تحلیل خشکسالی ، توابع مفصلی ، دوره بازگشت