کاربرد مدل هیبریدی ANFIS-PSO در برآورد شاخص خشکسالی بارش-تبخیر و تعرق

خشکسالی یکی از بالایی ترین بحران های طبیعی اسکانسک که به اکوسیستم های طبیعی آسیب های فراوانی وارد می کند. خشکسالی انواع مختلفی دارد که یکی از مهم ترین این شاخص ها، شاخص بارش-تبخیر و تعرق است که اندازه گیری شده است. در این پژوهش، از مدل های یادگیری ماشین ANFIS و ANFIS-PSO برای پیش بینی شاخص SPEI استفاده شده است. بدین منظور از داده های این شاخص در دو ایستگاه Beypazari و Nallihan واقع در استان آنکارا ترکیه در بازه زمانی ۲۰۱۶-۱۹۷۱ استفاده و نتایج با استفاده از شاخص های RMSE، MAE و R۲ و نمودارهای ارزیابی شده اند. تعداد کل داده های مورد استفاده ۵۴۰ نمونه بوده که ۷۰% برای آموزش و مابقی برای ارزیابی مدل ها استفاده شده است. نتایج نشان داد که هر دو مدل تا حد زیادی شاخص SPEI را با دقت مناسبی شبیه سازی می کنند. همچنین معیارهای ارزیابی خطای داده های صحت سنجی نشان داد که مدل ترکیبی ANFIS-PSO در هر دو ایستگاه Beypazari (RMSE=۰.۷۵, MAE=۰.۰۶, R۲=۰.۶۰) و Nallihan (RMSE=۰.۶۸, MAE=۰.۰۱, R۲=۰.۶۲) دقت بیشتری نسبت به مدل ANFIS دارد.

کلیدواژه ها:

خشکسالی ، مدیریت منابع آب ، بارش ، یادگیری ماشین ، الگوریتم ازدحام ذرات