ارزيابي روش كنترل گروهي داده‌ها (GMDH) و سيستم استنتاج فازي-عصبي (ANFIS) در پيش‌بيني خشكسالي در چند نمونه اقليمي مختلف

خشكسالي پديده‌اي است كه احتمال وقوع آن در همه نقاط كره زمين و با هر شرايط اقليمي وجود دارد. پيش‌بيني خشكسالي مي‌تواند نقش مهمي در مديريت منابع آبي و بهره‌برداري بهينه از آن‌ها ايفا كند. در اين مطالعه، براي پيش‌بيني خشكسالي، كاربرد دو روش هوشمند سيستم استنتاج فازيعصبي (ANFIS) و كنترل گروهي داده‌ها (GMDH) چند نمونه اقليمي مختلف ايران مورد ارزيابي قرار گرفته است. به اين منظور از  شاخص بارش استاندارد شده (SPI) در سه مقياس 6،3 و 12 ماهه استفاده شد. آمار و اطلاعات بارندگي طي يك دوره 20 ساله (2015-1996) در 7 ايستگاه سينوپتيك ايران با اقليم‌هاي متفاوت بكار گرفته شد و جهت بررسي عملكرد مدل‌ها از سه معيار ريشه ميانگين مربعات خطا (RMSE)، ضريب تبيين (R2) و ميانگين قدرمطلق خطا (MAE) استفاده شد. نتايج نشان داد كه در روش ANFIS مقدار ضريب تبيين در كمترين حالت مربوط به SPI سه ماهه (SPI-3) با 0.59 و بيشترين آن در  SPI دوازده ماهه (SPI-12) با مقدار 0.97 مي‌باشد. در روش GMDH، مقادير ضريب تبيين در هر سه مقياس SPI و در تمامي اقليم‌ها بين 0.90 تا 0.99 بدست آمد كه نشان‌دهنده دقت قابل قبول اين مدل بود. . همچنين نتايج حاكي از عملكرد مناسب SPI در مقياس دوازده ماهه بودند. . در واقع، بهبود عملكرد مدل‌هاي ساخته شده با افزايش مقياس زماني محاسبه SPI، رابطه مستقيمي دارد. در نهايت نتايج مربوط به مقايسه مقادير مشاهداتي و پيش‌بيني شده‌ي هر سه مقياس زماني با استفاده از روش GMDH در تمامي اقليم‌ها نشان داد كه پيش‌بيني خشكسالي با اين روش قابل اطمينان و امكان استفاده از اين روش براي پيش‌بيني‌هاي آتي ميسر مي‌باشد. بطور كلي نتايج توليد شده توسط هردو روش ANFIS و GMDH داراي دقت قابل قبولي مي‌باشند اما پاسخ‌هاي بدست آمده از روش GMDH بهتر بوده و به عنوان مدل برتر در پيش‌بيني خشكسالي در اين پژوهش معرفي مي‌گردد