مقایسه روش های مختلف پیش بینی شاخص خشکسالی SPI

در این تحقیق به منظور پیش بینی خشکسالی، از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) استفاده شده است. به این منظور از داده های بارندگی ایستگاه کردخیل با دوره آماری 42 ساله در حوزه آبخیز تجن استفاده شد. وضعیت رطوبتی با استفاده از شاخص بارندگی استاندارد شده (SPI) در دوره های زمانی کوتاه مدت (6،3 و 9 ماهه) و بلند مدت (24،12 و 48 ماهه) محاسبه گردید. سپس از بین داده های محاسبه شده دوره 46-1345 الی 1377-78 به عنوان داده آموزش و دوره 79-1378 الی 87-1386 به عنوان داده آزمون انتخاب گردید. برای تخمین مقدار SPI در زمان t از مقادیر SPI در زمان های قبل استفاده شد. نتایج نشان داد که شبکه عصبی مصنوعی MLP با دقت بالای مقادیر SPI و وضعیت خشکسالی را پیش بینی می کند. همچنین مقایسه نتایج با نتایج حاصل از به کارگیری سری زمانی ARIMA نشان دهنده دقت بالای این روش می باشد.

کلیدواژه ها:

خشکسالی ، پیش بینی ، شبکه عصبی مصنوعی ، SPI ، MLP ، ARIMA