مقایسه روش های شبکه های عصبی مصنوعی، شبکه بیزین و برنامه ریزی بیان ژن در پیش بینی خشکسالی (مطالعه موردی: ایستگاه سینوپتیک مراغه)
خشکسالی جزء جدایی ناپذیر هر اقلیمی محسوب می گردد که تاثیرات مهمی بر بخش های مختلف جامعه دارد و سبب افزایش فشار بر منابع آبی می گردد. لذا پیش بینی وضعیت آتی آن می تواند به برنامه ریزان و تصمیم گیران در بخش های مختلف کمک شایانی نماید. در این تحقیق جهت پیش ینی خشکسالی در مقیاس های زمانی مختلف شاخص خشکسالی بارش و تبخیر تعرق استاندارد (SPEI) از 5 ورودی مختلف شامل مقادیر شاخص SPEI با تاخیرهای یک تا 5 ماهه استفاده و سپس از سه روش هوشمند شامل برنامه ریزی بیان ژن (GEP)، شبکه بیزین (BN) و شبکه عصبی مصنوعی (ANN) جهت پیش بینی مقادیر آتی استفاده گردید. نتایج نشان داد که هر سه روش در مقیاس زمانی کوتاه مدت شاخص SPEI از دقت مناسب برخوردار نمی باشند به طوری که بهترین عملکرد در مقیاس زمانی یک ماهه مربوط به مدل شبکه بیزین با ضریب همبستگی 142/0 و در مقیاس سه ماهه مربوط به روش ANN با ضریب همبستگی 704/0 می باشد. نتایج همچنین نشان داد که دقت پیش بینی مدل با افزایش مقیاس محاسبه SPEI رابطه مستقیم دارد و با افزایش مقیاس زمانی SPEI، دقت پیش بینی افزایش پیدا می کند. همچنین هر سه روش در مقیاس های زمانی بلندمدت از عملکرد مناسبی برخوردار می باشند.
پیش بینی ، خشکسالی ، مراغه ، مدل هوشمند ، شاخص SPEI
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.