| dc.contributor.author | محمدی, جهانبخش | fa_IR |
| dc.contributor.author | وفائی نژاد, علیرضا | fa_IR |
| dc.contributor.author | بهزادی, سعید | fa_IR |
| dc.contributor.author | آقامحمدی, حسین | fa_IR |
| dc.contributor.author | حمصی, امیر هومن | fa_IR |
| dc.date.accessioned | 1402-04-12T23:36:25Z | fa_IR |
| dc.date.accessioned | 2023-07-03T23:36:26Z | |
| dc.date.available | 1402-04-12T23:36:25Z | fa_IR |
| dc.date.available | 2023-07-03T23:36:26Z | |
| dc.date.issued | 2023-04-21 | en_US |
| dc.date.issued | 1402-02-01 | fa_IR |
| dc.date.submitted | 2021-11-21 | en_US |
| dc.date.submitted | 1400-08-30 | fa_IR |
| dc.identifier.citation | محمدی, جهانبخش, وفائی نژاد, علیرضا, بهزادی, سعید, آقامحمدی, حسین, حمصی, امیر هومن. (1402). بهره‌گیری از الگوریتمهای تلفیقی SVR و GPR با موجک در مدلسازی و پیشبینی ماهانه خشکسالی. مهندسی منابع آب, 16(56), 95-108. doi: 10.30495/wej.2023.29419.2344 | fa_IR |
| dc.identifier.issn | 2008-6377 | |
| dc.identifier.issn | 2423-719 | |
| dc.identifier.uri | https://dx.doi.org/10.30495/wej.2023.29419.2344 | |
| dc.identifier.uri | https://wej.marvdasht.iau.ir/article_5885.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/999505 | |
| dc.description.abstract | چکیده
مقدمه: خشکسالی یکی از مخاطرات طبیعی است که به دلیل متأثر بودن از پارامترهای مختلف اقلیمی دارای رفتاری تصادفی و غیرخطی است. شاخص SPI به‌عنوان مرسوم‌ترین شاخص مستخرج شده از بارندگی می‌باشد که در مدلسازی خشکسالی مورداستفاده محققین مختلف قرارگرفته است. استفاده از روشهای هوش محاسباتی جهت مدلسازی خشکسالی در سالهای اخیر بسیار مورد توجه محققین حوزه منابع آب بوده است.
روش: در این تحقیق از الگوریتمهای SVR و GPR به صورت منفرد و همچنین تلفیق این الگوریتمها با فن موجک به مدلسازی و پیشبینی شاخص SPI پرداخته شده است و هدف بررسی میزان بهبود نتایج الگوریتمهای هوش محاسباتی در تلفیق با موجک بوده است. در این تحقیق از اطلاعات سری زمانی 10 ایستگاه سینوپتیک ایران در بازه زمانی 1961 تا 2017 به صورت ماهانه جهت مدلسازی خشکسالی به عنوان ورودی الگوریتمهای مورد مطالعه استفاده شده است.
یافته ها: نتایج این پژوهش نشان داد که استفاده از روش موجک در تلفیق با الگوریتمهای هوش محاسباتی SVR و GPR سبب بهبود نتایج در تمامی مقیاسهای زمانی گردید. همچنین میزان بهبود مدلسازی ناشی از استفاده از موجک در تلفیق با مدل SVR با میانگین تفاضل RMSE برابر با 1540/0- و تفاضل R2 برابر 1491/0 و در مدل GPR با میانگین تفاضل RMSE برابر با 1554/0- و تفاضل R2 برابر 1530/0 نسبت به مدل‌های منفرد SVR و GPR نشان داد که مدل GPR در حالت کلی (همه مقیاسهای زمانی و تمامی ایستگاه‌ها) بهبود بهتری در مدل هیبریدی نسبت به مدل منفرد داشته است. | fa_IR |
| dc.format.extent | 2042 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | دانشگاه آزاد اسلامی | fa_IR |
| dc.relation.ispartof | مهندسی منابع آب | fa_IR |
| dc.relation.isversionof | https://dx.doi.org/10.30495/wej.2023.29419.2344 | |
| dc.subject | خشکسالی | fa_IR |
| dc.subject | موجک | fa_IR |
| dc.subject | SPI | fa_IR |
| dc.subject | SVR | fa_IR |
| dc.subject | GPR | fa_IR |
| dc.subject | مقالات برگرفته از پایان نامه | fa_IR |
| dc.title | بهره‌گیری از الگوریتمهای تلفیقی SVR و GPR با موجک در مدلسازی و پیشبینی ماهانه خشکسالی | fa_IR |
| dc.type | Text | en_US |
| dc.type | مقاله پژوهشی | fa_IR |
| dc.contributor.department | دانشجوی گروه تخصصی سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. | fa_IR |
| dc.contributor.department | دانشیار دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران. | fa_IR |
| dc.contributor.department | استادیار دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران. | fa_IR |
| dc.contributor.department | استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. | fa_IR |
| dc.contributor.department | استاد، مهندسی منابع طبیعی، دانشکده منابع طبیعی و محیط‌زیست، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران. | fa_IR |
| dc.citation.volume | 16 | |
| dc.citation.issue | 56 | |
| dc.citation.spage | 95 | |
| dc.citation.epage | 108 | |
