چکیده مقاله
در این تحقیق به منظور پیش بینی خشکسالی، از شبکه عصبی مصنوعی پرسپترون چند لایه MLP استفاده شده است به این منظور از داده های بارندگی ایستگاه کردخیل با دوره آماری 42 ساله در حوزه آبخیز تجن استفاده شد وضعیت رطوبتی با استفاده از شاخص بارندگی استاندارد شده SPI در دوره های زمانی کوتاه مدت 6،3 و 9 ماهه و بلند مدت 24،12 و 48 ماهه محاسبه گردید سپس از بین داده های محاسبه شده دوره 46 1345 الی 1377 78 به عنوان داده آموزش و دوره 79 1378 الی 87 1386 به عنوان داده آزمون انتخاب گردید برای تخمین مقدار SPI در زمان t از مقادیر SPI در زمان های قبل استفاده شد نتایج نشان داد که شبکه عصبی مصنوعی MLP با دقت بالای مقادیر SPI و وضعیت خشکسالی را پیش بینی می کند همچنین مقایسه نتایج با نتایج حاصل از به کارگیری سری زمانی ARIMA نشان دهنده دقت بالای این روش می باشد
کلیدواژهها
نویسندگان
منصور رضائی کلانتری
دانش آموخته کارشناسی ارشد مهندسی منابع آب،گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان
مرتضی نبی زاده ولوکلائی
دانش آموخته کارشناسی ارشد مهندسی منابع آب،گروه مهندسی آب دانشگاه علوم کشاورزی و منابع طبیعی گرگان
شیوه ارجاع
�ضائی کلانتری، منصور و نبی زاده، مرتضی،1392،مقایسه روش های مختلف پیش بینی شاخص خشکسالی SPI،پنجمین کنفرانس مدیریت منابع آب ایران،تهران
ارائهشده در
مجموعه مقالات پنجمین کنفرانس مدیریت منابع آب ایران29 بهمن 1392 · تهران