خشکسالی پدیده ای طبیعی است که می تواند در هر جایی رخ دهد و خسارات قابل توجهی به انسان و بوم سازه های طبیعی وارد آورد. در این تحقیق به منظور پیش بینی شاخص خشکسالی از دو نوع شبکه های عصبی مصنوعی، پرسپترون چند لایه (MLP) و تابع پایه¬ی شعاعی (RBF) و مدل های سری های زمانی (ARIMA) استفاده شده است. بدین منظور در ابتدا مقادیر SPI در دوره های سه، شش، نه و دوازده ماهه¬ی استان خوزستان محاسبه گردید و سپس با استفاده از مدل های شبکه عصبی مصنوعی و سری های زمانی اقدام به پیش بینی مقادیر SPI گردید. نتایج این تحقیق نشان داد که مدل های سری زمانی عملکرد بهتری در پیش بینی مقادیر SPI نسبت به شبکه های عصبی مصنوعی دارند و شبکه عصبی مصنوعی MIP نسبت به شبکه عصبی مصنوعی RBF مقادیر SPI را بهتر پیش بینی می کند.
کلید واژگان :خشکسالی، پیش بینی، شبکه های عصبی مصنوعی، سری های زمانی، SPI، خوزستان.
ارزش ریالی : 350000 ریال
با پرداخت الکترونیک