کاربرد مدل‌های شبکه عصبی مصنوعی در پیش‌بینی خشکسالی استان اصفهان

نویسندگان
1 دانشجوی دکتری بیابان‌زدایی، دانشکده کشاورزی و منابع طبیعی دانشگاه یزد، نویسنده مسئول:
2 دانشیار دانشکده کشاورزی و منابع طبیعی دانشگاه یزد
3 استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه یزد
4 دانشجوی دکتری آبخیزداری،دانشکده کشاورزی و منابع طبیعی دانشگاه یزد.
چکیده
پیش­بینی خشکسالی نقش بسزایی در برنامه­ریزی، مدیریت و بهره­برداری از منابع آب دارد؛ در این پژوهش برای پیش­بینی سیکل خشکسالی در 9 ایستگاه باران سنجی استان اصفهان از شبکة عصبی مصنوعی استفاده شده است. داده‌­های مورد استفادة در این تحقیق شامل بارش ماهانه و شاخص بارش استاندارد (SPI) در ایستگاه‌­های منتخب، از سال 1972 تا 2010 میلادی می­‌باشد. به این منظور با استفاده از آمار موجود، مقادیر SPI برای یکسال بعد پیش­‌بینی گردید. نتایج نشان داد در میان مدل­‌های مختلف شبکة عصبی مصنوعی، شبکه­‌های پرسپترون در اکثر ایستگاه‌­ها با ضریب همبستگی بالایی قادر به پیش‌­بینی مقادیر SPI در زمان آتی می‌­باشد. در میان ایستگاه­‌های مورد استفاده، ایستگاه کوهپایه با بالاترین ضریب همبستگی معادل 96/0 و با میانگین خطای عملکرد برابر با 04/0 بهترین عملکرد را از خود نشان داد. و ایستگاه زیار با ضریب همبستگی 86/0 و میانگین خطای 087/0 عملکرد پایین­تری را نسبت به سایر ایستگاه‌­ها از خود نشان داده است.
کلیدواژه‌ها

عنوان مقاله English

Application of Artificial Neural Network Models to Estimate Droughtness of Isfahan Province

نویسندگان English

M. Esfandyari 1
H. malekinezhad 2
M.A. Hakimzadeh 3
H. Afkhami 4
چکیده English

Drought prediction has been playing important role in the planning management and using of water resources. In this research for drought predicting in 9 rain gauges station the Artificial Neural Network were used. The data used in this research is precipitation and the Standardized Precipitation Index (SPI), selected stations from 1972 to 2010 sets. The results obtained showed that among the Artificial Neural Networks models, in the most stations the Multi Layer Perceptron (MLP) has been able to predicting of SPI values with high correlation. Among the using stations, the Koohpayeh station showed the best action with correlation of r= 0.96 and RMSE= 0.04 and Ziyar station showed correlation of r= 0.86 and RMSE= 0.087, the lower performance than the other stations are shown.

کلیدواژه‌ها English

Standardized Precipitation Index
Artificial Neural Network
Droughtness
Isfahan