چکیده مقاله
پیش بینی خشکسالی برای کاهش اثرات حوادث ناشی از خشکسالی در اقتصاد، گردشگری، کشاورزی و سیستم های منابع آب حیاتی است این مقاله مدل پیشنهادی موجک آرمیا آن WAANN و جدیدترین مدل یعنی سیستم استنتاج فازی نورو سازگاری موجک WANFIS را برای پیش بینی شاخص تبخیر تعرق استاندارد بارش SPEI در حوضچه رودخانه لانگات برای مقیاس زمانی مختلف ۱ ماهه، ۳ ماهه و ۶ ماه انتخاب می کند مدل پیش پردازش داده های ورودی با تجزیه موجک برای بهبود عملکرد مدل های پیشین انجام شد SPEI تاریخی از سال ۱۹۷۶ تا ۲۰۰۷ در مدل های WANN و WANFIS برای پیش بینی SPEI برای دوره آزمون از ۲۰۰۸ تا ۲۰۱۵ استفاده شد ضریب تعدیل شده تعیین R۲ adj ، خطای مجذور میانگین ریشه RMSE ، میانگین خطای مطلق MAE ، شاخص توافق ویلیامات d و ضریب کارایی نکست ساتکلیف E برای ارزیابی مدل ها استفاده شد متوجه شدیم که دقت پیش بینی دو مدل با طول مقیاس زمانی بهبود یافته است برای پیش بینی SPEI ۱ ۱ ماه خطاهای مربوط به هر دو مدل نسبتا بالا بود بر اساس مقادیر عملکرد و نمودارهای گرافیکی، مدل WAANN برای پیش بینی SPEI ۳ و SPEI ۶ بهتر است مدل WANFIS پیش بینی رضایت بخش از پیش بینی خشکسالی میان مدت برای همه ایستگاه ها را دارد مدل WANN در این مطالعه توسعه یافت، به هر حال، دقت بیشتری را برای هر دو، پیش بینی خشکسالی کوتاه مدت و میان مدت ارائه می دهد
کلیدواژهها
نویسندگان
اسماعیل جهانگشته
دانشگاه آزاد اسلامی ایرانشهر
اصغر قادری
دانشگاه آزاد اسلامی ایرانشهر
مسعود بارانی
دانشگاه آزاد اسلامی ایرانشهر
اسد اله زردکوهی
دانشگاه آزاد اسلامی ایرانشهر
شیوه ارجاع
�هانگشته، اسماعیل و قادری، اصغر و بارانی، مسعود و زردکوهی، اسد اله،1402،کاربرد مدل های هوش مصنوعی برای پیش بینی شاخص تبخیر تعرق استاندارد بارندگی (SPEI) در حوضچه رودخانه لانگات، مالزی،نوزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات نوزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات28 اردیبهشت 1402 · بابل