@article { author = {Baba Ali, Hamid Reza and Dehghani, Reza}, title = {Application of Wavelet Neural Network for Predicting Standardized Precipitation Index}, journal = {Irrigation and Water Engineering}, volume = {7}, number = {4}, pages = {81-96}, year = {2017}, publisher = {انجمن علمی مهندسی آبیاری و آب ایران}, issn = {2251-7359}, eissn = {}, doi = {}, abstract = {Drought is one of the most important climatic phenomena which occures in all climate conditions and regions of the earth. Drought forecasting, therefore plays an important role in designing and management of natural resources and water resources systems, assessing plant evapo-transpiration. For this purpose, in this study, data from four meteorological stations nourabad, borujerd, aleshtar and doroud in Lorestan province, on time scales of 6 and 12 months were used to analyze drought by using standardized precipitation index SPI. Then, droughts were evaluated using neural network model estimation. The results showed, Boroujerd and Doroud stations have the longest drought  period, and severe drought is recorded in Nourabad station. The results of the survey showed  that Boroujerd Station had maximum amount of  drought months occurred during the drought period. The results of using wavelet neural network model showed best estimation of SPI for Doroud station than others in both time scales. In conclusion, the results showed more accuracy of wavelet neural network model in estimation of long-term drought, and the use of wavelet neural network model can estimate the drought effectively, Which in return facilitates the development and implementation of management strategies to avoid drought.}, keywords = {: Precipitation,Drought,Standardized precipitation index,Wavelet Neural Network}, title_fa = {کاربرد مدل شبکه عصبی موجک در تخمین شاخص بارش استاندارد}, abstract_fa = {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 مؤثر باشد که در نوبه خود برای تسهیل توسعه و پیاده‌سازی استراتژی‌های مدیریتی جهت جلوگیری از ایجاد خشکسالی ها مفید است.}, keywords_fa = {بارش,خشکسالی,شاخص بارش استاندارد,شبکه عصبی موجک}, url = {https://www.waterjournal.ir/article_74157.html}, eprint = {https://www.waterjournal.ir/article_74157_2b94eae67f6329f4b875ad84cdfefffd.pdf} }