پیش بینی خشک سالی با استفاده از سامانه ی بهره وری عصبی حالتی سازگار با محاسبه ی عددی فراابتکاری کلونی مورچه ها درآبخیز زابل

استفاده از شبیه سازی های ترکیب شده با نمایه ی خشک سالی دقت پیش بینی را افزایش می دهد. رویکرد اکتشافی زمینه ی هشدار اثرهای خشک سالی و امکان ساز و کارهای حمایت مالی و بیمه ای جوامع محلی را فراهم می کند. مهم ترین بخش، کاهش آثار خشک سالی و بهبود دقت سامانه های پیش بینی کننده است.

در این پژوهش دقت شبیه سازی جدید انفیس ترکیب شده با محاسبه ی عددی فراابتکاری کلونی مورچه ها در پیش بینی خشک سالی با شبیه سازی انفیس معمولی مقایسه شد. عملکرد شبیه سازی با استفاده از خطای جذر میانگین مربع ها، میانگین مطلق خطا و ضریب تعیین ارزیابی شد.

نتایج و بحث:

اعتبارسنجی شبیه سازی در نمایه ی 3 ماهه نشان داد اندازه ی خطای مطلق و خطای جذر میانگین مربع ها در ایستگاه زابل با کاربرد شبیه سازی انفیس کمتر است. در این پژوهش در آبخیز زابل، شبیه سازی های انفیس (سامانه ی بهره وری عصبی حالتی سازگار) و انفیس همراه با محاسبه ی عددی فراابتکاری کلونی مورچه ها برای پیش بینی خشک سالی بررسی شد. نتایج نشان داد که پیش بینی خشک سالی با استفاده از داده های بارش ماهانه ی ایستگاه های هم دید زابل (1399-1362)، زهک (1399-1373) و روش بهینه سازی کلونی مورچه ها سبب بهبود عملکرد شبیه سازی انفیس شده است. اندازه ی آزمون ضریب تعیین پیش بینی شبیه سازی انفیس همراه با محاسبه ی عددی فراابتکاری کلونی مورچه ها در بازه های 3، 6، 9 و 12 ماهه، به ترتیب برابر با 0/738، 0/854، 0/801 و 0/898 در ایستگاه زابل و 0/792، 0/804، 0/759 و 0/887 در ایستگاه زهک بود. علاوه بر این شبیه سازی انفیس-کلونی مورچه ها ضریب تعیین بالاتری داشت. اعتبارسنجی شبیه سازی نمایه ی 3 ماهه شبیه سازی انفیس-کلونی مورچه ها اندازه ی خطای مطلق و خطای جذر میانگین مربع ها کمتر و ضریب تعیین آن بالاتر بود. در ایستگاه زهک نیز شبیه سازی انفیس در آموزش 3 ماهه دقت بالاتری داشت، اما در بخش اعتبارسنجی برتری با شبیه سازی انفیس-کلونی مورچه ها بود. به طورکلی در نمایه ی SPI سه ماهه، آموزش شبیه سازی انفیس دقت بالاتری داشت اما در اعتبارسنجی شبیه سازی انفیس-کلونی مورچه ها برتری داشت.

نتیجه گیری و پیشنهادها:

بهینه سازی با کاربرد کلونی مورچه ها مبتنی بر جمعیت داده ها به تدریج راه حل های پیشنهاد شده را به راه حل بهینه ی سراسری نزدیک می کند. این مسیله سبب افزایش کارایی محاسبه ی عددی کلونی مورچه ها در مقایسه با انفیس در پیش بینی خشک سالی شد. شبیه سازی انفیس ترکیب شده با کلونی مورچه ها خصوصیت کارایی برای مسایلی با مقیاس بزرگ در زمان کوتاه از روش خود تنظیمی پیشنهاد داد. این خصوصیت ها برای داده های طبیعی دارای الگوی هندسی نامنظم و یا داده های ثبت شده با حجم بالا هزینه ی محاسباتی را کاهش دادند. شبیه سازی هایی که بهینه سازی می کنند در نقاط بهینه محلی دچار خطا می شوند. این در حالی است که شبیه سازی انفیس-کلونی مورچه ها فضای شبیه سازی برای پیش بینی خشک سالی را سراسری ارزیابی کرد. مقایسه ی شبیه سازی انفیس با محاسبه ی عددی های دیگر و انتخاب بهترین شبیه سازی برای آبخیز زابل پیشنهاد می شود.