مهندسین مشاور طرح و تحقیقات آب و فاضلاب اصفهان مجله آب و فاضلاب 1024-5936 23 3 2012 10 01 Drought Forecasting Using Genetic Algorithm and Conjoined Model of Neural Network-Wavelet پیش‌بینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی 48 59 1936 FA یوسف حسن‌زاده استاد گروه مهندسی عمران- آب، دانشکده فنی مهندسی عمران، دانشگاه تبریز امین عبدی کردانی دانشجوی دکترای مهندسی عمران- آب، دانشکده فنی مهندسی عمران، دانشگاه تبریز احمد فاخری‌فرد دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز Journal Article 2010 07 17 Drought is one of the important natural disasters that may happen in any climate conditions. Since drought is inevitable phenomenon, therefore familiar with that natural disaster is very important for reliable water management. Drought prediction system design is one of the efficient ways that it can minimize the drought damages. In this research for predicting the coming drought, genetic algorithm and conjoined model of neural network-wavelet is used for analyzing standardized precipitation index. The results show that genetic algorithm and conjoined model of neural network-wavelet is more satisfactory than genetic algorithm and neural network. خشکسالی به‌عنوان یکی از مهم‌ترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد. از آنجا که وقوع خشکسالی اجتناب ناپذیر است، بنابراین شناخت آن به‌منظور مدیریت بهینه منابع آب، از اهمیت بسزایی برخوردار است. از مؤثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت آن، طراحی سیستم‌های پیش‌بینی خشکسالی است که بتوان اثرات مخرب ناشی از آن را به حداقل رساند. به این منظور در این تحقیق برای پیش‌بینی خشکسالی‌های آتی، از تلفیق الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی-موجکی در تحلیل شاخص بارندگی استاندارد شده، استفاده گردید و در نهایت نشان داده شد که به‌کارگیری روش تلفیقی مذکور در مقایسه با تلفیق الگوریتم ژنتیک و شبکه عصبی، نتایج مطلوبی را ارائه می‌دهد. https://www.wwjournal.ir/article_1936_11108a3dbfe4636cb40b84b803b2fff6.pdf