کاربرد الگوهای شبکه مصنوعی در شبیه سازی شدت خشکسالی

خشکسالی یکی ازمهمترین پدیده های آب وهوایی استک ه درهمه شرایط اقلیمی و درهمه مناطق کره زمین به وقوع می پیوندد پیش بینی خشکسالی نقش مهمی درکاهش خسارت خشکسالی ایفا مینماید ازانجا که درطی دهه های اخیر شبکه های عصبی توانایی زیادی را درمدلسازی سریهای زمانی نشان داده اند بدین منظور پس ازارزیابی شاخص بارش استاندارد درگام های زمانی 3و12 ماهه ازشبکه عصبی پرسپترون سه لایه با تابع لوگ سیگموئید و الگوریتم اموزشی پس ازانتشار خطا برای پیش بینی یک ماه بعدمقادیر SPI دوازده و سه ماهه استفاده شد نتایج بیانگر این بود که مدل منتخب SPI12 درمقایسه با مدل منتخب SPI13 ازدقت بیشتری برای پیش بینی یک ماه بعدمقادیر SPI برخوردار است

کلیدواژه ها:

شبکه عصبی ، MLP ، شاخص بارش استاندارد ، خشکسالی