کاربرد روش¬های فراکاوشی در پایش خشکسالی (مطالعه موردی: ایستگاه تبریز)

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشگاه تبریز

چکیده

سیستم­های پایش خشکسالی، از موثرترین عوامل در تدوین طرح­های مقابله با خشکسالی و مدیریت منطقی آن می­باشند. چنین سیستم­هایی با استفاده از شاخص­های خشکسالی طراحی می­گردند و هدف آنها ارائه یک ارزیابی ساده و کمی از ویژگی­های خشکسالی است. از میان شاخص­های موجود جهت پایش خشکسالی، شاخص بارندگی استاندارد شده بطور گسترده مورد استفاده قرار می­گیرد. بدین منظور در این تحقیق جهت تخمین دقیق­تر شاخص فوق در ایستگاه تبریز برای سال­های 1965 تا 2004، از روش­های فراکاوشی همچون الگوریتم ژنتیک و الگوریتم شبیه­سازی حرارتی استفاده گردیده و در نهایت نشان داده شده که الگوریتم ژنتیک و سپس الگوریتم شبیه­سازی حرارتی نسبت به روش حداکثر درستنمایی، نتایج مطلوبی را در تحلیل شاخص بارندگی استاندارد شده ارائه می­دهند. این یافته منجر به پایش دقیق­تر خشکسالی می­شود.

کلیدواژه‌ها


عنوان مقاله [English]

Application of Meta-heuristic Methods in Drought Monitoring (Case study: Tabriz station)

نویسندگان [English]

  • Yusef Hassanzadeh
  • Amin Kordani
  • Ahmad Fakheri Fard
چکیده [English]

Drought monitoring systems are efficient factors in providing methods for drought mitigation and its logic management. These systems are designed by using of drought indices and their goals are presenting a simple and quantitative evaluation of drought characteristics. From the many of drought indices, the standardized precipitation index is used vastly for drought monitoring. For this purpose in the present study, meta-heuristic methods such as genetic algorithm and simulated annealing algorithm were used for accurate estimation of this index in Tabriz station for 1965 to 2004. The results showed that genetic algorithm and then simulated annealing algorithm had better results, respectively, in analyzing standardized precipitation index in comparison with maximum likelihood method which was conducted to precisely monitor drought events.

کلیدواژه‌ها [English]

  • Drought Monitoring
  • genetic algorithm
  • simulated annealing algorithm
  • Standardized Precipitation Index