تحلیل خشکسالی هواشناسی با استفاده از الگوریتم بهینه سازی ازدحام ذرات- شبکه های عصبی مصنوعی بر مبنای شاخص MSPI

پدیده خشکسالی یکی از بلایای طبیعی می باشد که احتمال وقوع آن در تمام مناطق اقلیمی امکان پذیر است و در هر منطقه ای که روی می دهد، باعث ایجاد آسیب های جدی در محیط زیست و زندگی انسان ها می شود. بنابراین، پیش بینی این پدیده مضر، می تواند تاثیر قابل توجهی در مدیریت منابع آب داشته باشد و آثار مخرب آن را تا حد امکان کاهش دهد. در این مطالعه، ابتدا با استفاده از شاخص بارندگی استانداردشده چند متغیره (MSPI) ، مشخصه های خشکسالی در حوضه آبریز لیقوان چای به دست آمد و سپس از شبکه های عصبی مصنوعی (ANN) جهت پیش بینی شاخص فوق استفاده گردید. جهت آموزش شبکه های عصبی مصنوعی و تخمین بهینه وزن های آن، الگوریتم بهینه سازی ازدحام ذرات (PSO) به کار برده شد و عملکرد آن با الگوریتم پس انتشار خطا (BP) مورد مقایسه قرار گرفت. در این راستا سناریوها و ساختارهای مختلفی در نظر گرفته شد و سپس با استفاده از آزمون های نیکوئی برازش، میزان دقت هر یک از آن ها محاسبه گردید. نتایج حاصل، برتری مدل ANN-PSO نسبت به مدل ANN-BP در پیش بینی خشکسالی را نشان داد.