%0 Journal Article %T پیش‌بینی خشکسالی با استفاده از مدل ترکیبی GEP-GARCH(مطالعه موردی: ایستگاه سینوپتیک سلماس) %J تحقیقات آب و خاک ایران %I دانشگاه تهران %Z 2008-479X %A عباسی, عباس %A خلیلی*, کیوان %A بهمنش, جواد %A شیرزاد, اکبر %D 2019 %\ 10/23/2019 %V 50 %N 6 %P 1317-1329 %! پیش‌بینی خشکسالی با استفاده از مدل ترکیبی GEP-GARCH(مطالعه موردی: ایستگاه سینوپتیک سلماس) %K خشکسالی %K سری زمانی غیرخطی %K مدل هوشمند %K SPEI %R 10.22059/ijswr.2019.271596.668069 %X پیش­بینی خشکسالی نقش مهمی در طراحی سیستم­های سازگاری با خشکسالی و اجرای عملیات تسکین ایفا می­نماید. داده­های هیدرولوژیک به‌صورت ترکیبی از بخش قطعی و تصادفی می­باشند. با توجه به اینکه داده­های تولیدی مدل­های هوشمند به‌صورت قطعی می­باشند، استفاده از رویکردی جدید برای اعمال بخش تصادفی در پیش­بینی این داده­ها می­تواند قطعیت مدل را افزایش دهد. در این تحقیق با ترکیب مدل برنامه­ریزی بیان ژن (GEP) و مدل سری زمانی مبتنی بر واریانس ناهمسان شرطی (GARCH) سعی در ارائه مدلی ترکیبی برای پیش­بینی خشکسالی شده است. بدین منظور پیش­بینی خشکسالی در ایستگاه سلماس با استفاده از شاخص خشکسالی SPEI در گام­های زمانی مختلف در طی دوره آماری 35 ساله و با پنج مدل ورودی مختلف شامل مقادیر شاخص SPEI از یک تا پنج گام زمانی تأخیر، مورد بررسی قرار گرفت. نتایج نشان داد که روش GEP در مقیاس زمانی کوتاه­مدت شاخص SPEI از دقت مناسب برخوردار نمی­باشد و با افزایش مقیاس زمانی عملکرد مدل بهبود پیدا می­کند. نتایج مدل ترکیبی نشان داد که خطای مدل GEP در همه مقیاس­های زمانی کاهش پیدا می­کند و این بهبود عملکرد در مقیاس­های زمانی کوتاه­مدت ملموس­تر می­باشد به‌نحوی‌که ضریب همبستگی در مقیاس زمانی سه‌ماهه در مدل ساده GEP از 622/0 به 891/0 در مدل ترکیبی افزایش پیدا کرده است. %U https://ijswr.ut.ac.ir/article_73205_6264611e02558d3a93f72bebe55b0e82.pdf