عنوان مقاله :
ارزيابي عملكرد مدلهاي سري زماني، شبكه عصبي و سيستم استنتاج عصبي- فازي در پيشبيني خشكسالي هواشناسي (مطالعه موردي: ايستگاه سينوپتيك سمنان)
پديد آورندگان :
صادقيان ، مريم دانشگاه سمنان - دانشكده مهندسي عمران , كرمي ، حجت دانشگاه سمنان - دانشكده مهندسي عمران , موسوي ، فرهاد دانشگاه سمنان - دانشكده مهندسي عمران
كليدواژه :
پيش بيني خشك سالي , مدل سري زماني , شبكه عصبي , سيستمهاي استنتاج عصبي- فازي تطبيقي
چكيده فارسي :
خشك سالي به عنوان يك بلاي طبيعي نا محسوس تقريباً در تمامي اقليم ها رخ مي دهد و مشخصات آن از يك منطقه به منطقه ديگر متفاوت است. با توجه به نوسانات بيشتر در مقادير بارندگي دربخش هاي جنوبي، شرقي و مركزي ايران و در نتيجه آسيب پذيريبيشتر آن ها نسبت به پديده خشك سالي، هدف اصلي اين تحقيق يافتن مناسب ترين روش براي پيش بيني خشك سالي شهر سمنان مي باشد. در پژوهش حاضر، با استفاده از روش هاي سري هاي زماني، شبكه عصبي مصنوعي (ANN) و سيستم استنتاج فازيعصبي تطبيقي (ANFIS) سعي شده تا مدل هاي مناسب براي پيش بيني خشك سالي شهر سمنان ارائه گردد. در اين مدل سازي ها از داده هاي ميانگين ماهانه شامل بارندگي، دما، حداكثر و حداقل دما، رطوبت نسبي، حداكثر و حداقل رطوبت نسبي و شاخص خشك سالي SPI طي دوره آماري 1966 تا 2013 استفاده شده است. بر اساس نتايج، SPI و مقادير پيشين آن نسبت به بارش عملكرد مناسب تري را داشت. با بررسي تمامي مدل ها، مدل 6(1،0،1)(0،0،1)ARIMA با برازش مناسب داده هاي SPIبا كمترين مقدار جذر ميانگين مربعات خطا (RMSEبرابر 0.442 در مرحله آموزش و 0.521 در مرحله آزمون) و مناسب ترين ضريب همبستگي (R) برابر 0.889 در مرحله آموزش و 0.846 در مرحله آزمون) به عنوان مدل برتر انتخاب شد. با استفاده از اين مدل، مقادير SPI براي 12 گام زماني بعدي پيش بيني گرديد. مدل ANFIS با مقادير 0.513=RMSE، 0.377=MAE، و ضريب همبستگي (R) برابر 0.861 در مرحله آموزش و 0.518=RMSE، 0.41=MAE، و 0.841=R در مرحله آزمون و ANNبا مقادير 0.534=RMSE، 0.393=MAE و 0.85=R در مرحله آموزش و 0.532=RMSE، 0.402=MAE، و 0.837=R در مرحله آزمون به ترتيب در رتبه هاي بعدي قرار گرفتند.
عنوان نشريه :
علوم و مهندسي آبياري
عنوان نشريه :
علوم و مهندسي آبياري