fa بررسی امکان پیش‌بینی سرعت باد با استفاده از مدل‌های هیبرید شبکه‌های عصبی، شبکه‌های فازی-عصبی و تئوری موجک (مطالعه موردی: ایستگاه سینوپتیک یزد) تخصصي Special پژوهشي Research پیش‌بینی مؤلفه‌های باد از جمله سرعت باد یکی از عوامل مهم به خصوص در بحث تبخیر در یک حوزه آبخیز محسوب می‌گردد. در این مقاله سعی گردید، جهت افزایش کارایی مدل‌های هوش مصنوعی، در پیش‌بینی سرعت باد، دو مدل شبکه عصبی و فازی-عصبی با تئوری موجک ترکیب شده و دو مدل هیبرید جدید ارائه گردید. در این تحقیق با استفاده از برخی پارامتر‌های اقلیمی ایستگاه همدیدی یزد از جمله سرعت باد، دمای متوسط، دمای بیشینه، رطوبت نسبی و تبخیر، سرعت باد در مقیاس ماهانه برآورد گردید و سپس کارایی دو مدل‌های هیبرید شبکه عصبی موجکی و شبکه فازی-عصبی موجکی با مدل‌های شبکه عصبی و فازی-عصبی در پیش‌بینی سرعت باد 12 ماه آینده مورد مقایسه قرار گرفت. در نهایت جهت تائید کارایی بهترین مدل، با استفاده از پارامتر‌های اقلیمی موثر سال 1383 سرعت باد در سال 1384 پیش‌بینی گردید. نتایج بدست آمده در مرحله ارزیابی مدل‌ها، تفاوت قابل ملاحظه عملکرد بهتر شبکه‌های عصبی موجکی و فازی-عصبی موجکی را نسبت به مدل‌های شبکه عصبی و فازی-عصبی نشان دادند. شایان ذکر است در مرحله ارزیابی، کارایی بالای شبکه های فازی-عصبی موجکی، برتری این مدل را نسبت به سایر مدل ها به اثبات رسانید. Prediction of wind components (like wind speed) is considered one of the important factor, especially in relation to evaporation in a watershed. In this paper, in order to increase the efficiency of artificial intelligence models, for predicting wind speed, two neural network and neuro-fuzzy models combined with wavelet and two new hybrid models were presented. This research was carried out by some climatic parameters in Yazd synoptic station including wind speed, mean temperature, maximum temperature, relative humidity and evaporation. Then, efficiency of wavelet neural network and wavelet neural –fuzzy models were compared with the neural network and neuro-fuzzy to predict the wind speed for next 12 months. Finally, in order to confirm the efficiency of the best model, wind speed in 2005 was predicted using effective climatic parameters in 2004. The obtained results showed higher efficiency of the wavelet neural network and wavelet neural – fuzzy than the neural network and neuro-fuzzy. Verification of hybrid models confirmed the efficiency of wavelet neural – fuzzy in comparing to the other models. پیش بینی, سرعت باد, موجک, شبکه عصبی موجکی, شبکه های فازی-عصبی موجکی prediction, wind speed, wavelet, wavelet neural network, wavelet neural –fuzzy networks 31 40 http://jwmsei.ir/browse.php?a_code=A-10-160-2&slc_lang=fa&sid=1 Hamide Afkhami حمیده افخمی hamide.afkhami@gmail.com 10031947532846003939 10031947532846003939 Yes Ali Talebi علی طالبی talebisf@yazd.ac.ir 10031947532846003940 10031947532846003940 No Mojdeh Mohammadi مژده محمدی mohammadi.mojdeh@gmail.com 10031947532846003941 10031947532846003941 No Farzane Fotouhi فرزانه فتوحی farzaneh.fotouhi@gmail.com 10031947532846003942 10031947532846003942 No