مقايسه ي شبكه عصبي و سري هاي زماني در پيش بيني خشكسالي (مطالعه موردي: استان خراسان رضوي)

Comparison of Application Time Series and Artificial Neural Network Models in Drought Forecasting (Case Study: Khorasan Razavi Provinces) Indices

جهت كاهش خسارات ناشي از خشكسالي لازم است تا شرايط آينده از نظر خشكسالي تعيين گردد. در اين پژوهش عملكرد مدل هاي سري هاي زماني(ARIMA) و شبكه عصبي (پرسپترون چند لايه) در پيش بيني مقادير SPI مقايسه گرديد. بدين منظور در ابتدا مقادير SPI سه، شش، نه و دوازده ماهه استان خراسان رضوي تعيين كرده و سپس با استفاده از مدل هاي شبكه عصبي مصنوعي و سري هاي زماني اقدام به پيش بيني مقادير SPI گرديد. نتايج اين پژوهش نشان كه مدل هاي سري زماني عملكرد بهتري در پيش بيني مقادير SPI نسبت به شبكه عصبي داشته و همچنين مقادير SPI نه و دوازده ماهه بهتر از مقادير SPI سه و شش ماهه پيش بيني گرديد.

Drought is the one of most important natural hazard witch damages human social and natural environment every year. For reducing the damage of drought future condition of drought should be forecasted. In this study the application of time series and artificial neural network (PML) models in SPI value forecasting were compared. First of all, SPI 3,6,9 and 12 were calculated then, by using artificial neural network (PML) and time series models SPI values were forecasted. The results showed that time series model had better application than neural network and SPI 9, 12 were better forecasted than SPI 3,6.