مشخصات پژوهش

عنوان	ارزیابی مدل های تلفیقی شبک هی عصبی مصنوعی-موجک و برنام هریزی بیان ژن-موجک در پی شبین یکردن خشک سالی کوتا ه مدت
نوع پژوهش	مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها	برنامه ریزی بیان ژن- موجک، شاخص بارش استاندارد، شبکه ی عصبی مصنوعی- موجک، پیشبینی خشکسالی
چکیده	پیشبینی کردن خشک سالی نقش مهمی در طراحی و مدیریت کردن منابع طبیعی، سامانه های منابع آب و تع یی نکردن نیاز آبی گیاه دارد. از سوی دیگر، تبدیل موجک یکی از روش های نوین و بسیار موثر در تجزی ه کردن پیام ها و مجموعه های زمانی است. در این تحقیق پیام شاخص بارش معیار ) SPI ( با موجک مادر تجزیه کرده، و نتیجه ی آن ورودی مدل های شبکه ی عصب یمصنوعی و برنامه ریزی بیان ژن گرفته شد. برای پیش بین یکردن خش کسالی شبک ههای عصب یمصنوعی شناسنده ی چندلایه، تابع پایه یی شعاعی، برنامه ریزی بیان ژن، شبک ههای عصبی مصنوعی-موجک شناسنده ی چندلایه، تابع پایه یی شعاعی، و برنامه ریزی بیان ژن-موجک ب هکاربرده شد. داده های بارندگی از ایستگاه هواشناسی بیدستان با دور هی داد هبرداری 44 ساله در آبخیز شور استان قزوین گرفته شد. وضعیت رطوبتی با شاخص بارندگی ب همعیارشده در دور ه ی سه ماهه محاسبه کرده شد. برای تخمین مقدار شاخص بارندگی به معیارشده در هر بازه ی زمانی، اندازه های زما نهای پیش تر به کاربرده شد. نتیجه ها نشان داد که از میان 6 مدل بررسی شده، برنامه ریزی بیان ژن-موجک با دقت بیش تری شاخص بارش معیار و وضعیت خشک سالی کوتاه مدت را پی شبینی میک ند. در بهترین حالت نیز اندازه ی شاخص های R2 ، RMSE، MAE و NS در مرحله ی صحت سنجی برای مدل - WA GEP ب هترتیب 911 / 0، 037 / 0، 022 / 0 و 845 / 0 بود.
پژوهشگران	محبوبه یونسی (نفر اول)، حامد نوذری (نفر دوم)