مقايسه روش هاي مختلف پيش بيني شاخص خشكسالي SPI

در این تحقیق به منظور پیش بینی خشكسالی، از شبكه عصبی مصنوعی پرسپترون چند لایه (MLP) استفاده شده است. به این منظور از داده های بارندگی ایستگاه كردخیل 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 كوتاه 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 كه شبكه عصبی مصنوعی MLP با دقت بالای مقادیر SPI و وضعیت خشكسالی را پیش بینی می كند. همچنین مقایسه نتایج با نتایج حاصل از به كارگیری سری زمانی ARIMA نشان دهنده دقت بالای این روش می باشد.