توانمندی نظریه آشوب در پیش بینی شاخص خشکسالی SPI مطالعه موردی: رشت

پیش بینی و پایش خشکسالی در برنامه های ریزی های کشاورزی منابع اب و اطلاع رسانی برایپیش آگاهی مبارزه با خشکسالی وغیره حائز اهمیت است و تا حد قابل ملاحظه ای منجر به کاهش خسارات ناشی از این پدیده می شود در امر پیش بینی خشکسالی و برآوردشاخصهای خشکسالی همچون شاخص خشکسالی SPI بررسی بر روی پارامترهای اقلیمی بهصورت سری زمانی با روند غیر خطی مطرح می شود این پژوهش به مقایسه عملکرد سیتسمهای هوشمند پیش بینی مبتنی بر روشهای غیر خطی؛ نظریه آشوب و شبکه عصبی در برآورد شاخص خشکسالی SPI در اقلیم مرطوب رشت میپردازد.برریس پارامترهای اشوبی فضای فاز؛ بعد محاط؛ توان لی اپانوف؛ تست 1-0 بر روی سری زماین مورد بحث رفتار آشوبناک داده اقلیمی مذکور راتایید می کند. علاوه بر آن نتایج تست ۱ درتحلیل رفتار داده بارش با نویز و بدون نویز قابلیت ارزیابی وضعیت آشوبناکی سیتسم اقلیمی مرطوب را توسط این تست با داده های خام م تایید می کند. ارزیابی پیش بینی شبکه عصبی و روش پیش بینی موضعی مببتنی بر نظریه آشوب نشان میدهد که نتایج بهتری را ارائه نموده است. استفاده ازاین نظریه در پیش بینی پارامترهای اقلیمی با توجه به حساسیت پیش بینیهای اب وهواشناسی بسیار کارآمد و مفید میباشد

کلیدواژه ها:

شاخص خشکسالی ، نظریه آشوب ، شبکهعصبی ، anfis تست 1-0 توان لیاپانوف