لیلا ابراهیمی - دانشجوی کارشناسی ارشد سازه های آبی دانشگاه شهید باهنر کرمان
غلامعباس بارانی - عضو هیات علمی دانشگاه شهید باهنر کرمان

خشکسالی یک معضل اقلیمی مخرب است که هم در طبیعت و هم در زندگی انسانها اثرات ویرانگری به جا گذاشته وخسارات جبران ناپذیری به بار می آورد. پیش بینی خشکسالی نقش مهمی در کنترل و مدیریت سیستم های منابع آبی دارد[ 1]. در این مطالعه یک مدل تلفیقی تبدیل موجکیWavelet)و شبکه عصبی مصنوعی Neural network جهت پیش بینی خشکسالی پیشنهاد شده است . شبکه عصبی مصنوعی یک ابزار مناسب و قوی برای پیش بینی سریهای زمانی غیر ثابت و غیر خطی است و تبدیل موجکی ابزار مفیدی برای تجزیه و تحلیل سریهای زمانی می باشد ، لذا تلفیق این دو موجب بهبود دقت پیش بینی و کاهش زمان محاسبه خواهد شد[ 1] . این مدل تلفیقیWNN برای پیش بینی خشکسالی های حوزه رودخانه ها در محل سدها استفاده می شود و نتایج نشان داده است که ترکیب موجک و شبکه عصبی توانایی پیش بینی شبکه عصبی را به میزان قابل توجهی افزایش می دهد و باعث افزایش سرعت پیش بینی بدون کاهش در دقت عملیات می شود

خشکسالی، تبدیل موجکی، شبکه عصبی، مدلWNN