تحليل خشكسالي هواشناسي با استفاده از الگوريتم بهينه‌سازي ازدحام ذرات شبكه‌هاي عصبي مصنوعي بر مبناي شاخص MSPI

پديده خشكسالي يكي از بلاياي طبيعي مي­باشد كه احتمال وقوع آن در تمام مناطق اقليمي امكان­پذير است و در هر منطقه­اي كه روي مي­دهد، باعث ايجاد آسيب­هاي جدي در محيط زيست و زندگي انسان­ها مي­شود. بنابراين، پيش­بيني اين پديده مضر، مي­تواند تأثير قابل توجهي در مديريت منابع آب داشته باشد و آثار مخرب آن را تا حد امكان كاهش دهد. در اين مطالعه، ابتدا با استفاده از شاخص بارندگي استانداردشده چند متغيره (MSPI)، مشخصه­هاي خشكسالي در حوضه آبريز ليقوان­چاي به­دست آمد و سپس از شبكه­هاي عصبي مصنوعي (ANN) جهت پيش­بيني شاخص فوق استفاده گرديد. جهت آموزش شبكه­هاي عصبي مصنوعي و تخمين بهينه وزن­هاي آن، الگوريتم بهينه­سازي ازدحام ذرات (PSO) به­كار برده شد و عملكرد آن با الگوريتم پس انتشار خطا (BP) مورد مقايسه قرار گرفت. در اين راستا سناريوها و ساختارهاي مختلفي در نظر گرفته شد و سپس با استفاده از آزمون­هاي نيكوئي برازش، ميزان دقت هر يك از آن­ها محاسبه گرديد.  نتايج حاصل، برتري مدل ANNPSO نسبت به مدل ANNBP در پيش­بيني خشكسالي را نشان داد.