پیش بینی شاخص خشکسالی SPI در مشهد به کمک شبکه های عصبی MLP و نرم افزار Matlab

شبکه های عصبی مصنوعی با الهم از سیستم عصبی انسان به وجود آمده اند که توانایی یادگیری دارند و قادرند روابط الگوهای بین ورودی ها و خروجی ها را تشخیص دهند. پس از آموزش مناسب، می توان ورودی های جدید به شبکه عصبی ارائه نمود و خروجی را تخمین زد. این تکنیک می تواند روابط غیر خطی بین ورودی ها و خروجی را در هر نوع مسئله تخمینی بشناسد. به همین دلیل شبکه های عصبی را تخمین گرهای عام می نامند.در این تحقیق از شبکه های عصبی پرسپترون سه لایه با الگوریتم آموزشی پس از انتشار خطا و تابع فعالیت لوگ سیگموئید برای پیش بینی خشکسالی ماه آینده به کمک شاخص SPI و نرم افزار MATLAB در شهر مشهد استفاده شده است. نتایج نشان می دهند که پیش بینی شاخص SPI بسیارمفید بوده تا حدی که شاخص SPI 48 ماهه تا 95/0=R2 قادر به پیش بینی خشکسالی است. ولی به علت وجود پارامترهای ناشناخته دیگر دقت پیش بینی این شاخص با افزایش زمان و برای ماه های بعد کاهش می یابد.

کلیدواژه ها:

خشکسالی ، شاخص SPI ، شبکه عصبی مصنوعی ، مشهد