پیش بینی خشکسالی هیدرولوژیکی (شاخص SDI) با استفاده از هوش مصنوعی در حوضه گرگان رود (ایستگاه تمر)

مدیریت بهینه منابع آبی یکی از مهم ترین موضوعات مطرح در سطح بین الملل است. این موضوع، به خصوص در کشورهای خشک و نیمه خشک ازاهمیت بیش تری برخوردار است. پیش بینی صحیح خشک سالی به سب اهمیت بسیار زیاد آن در مدیریت منابع آب یکی از ابزار مفید در این زمینه است در این پژوهش با استفاده از سیستم استنتاج فازی عصبی تطبیقی ANFIS شبکه عصبی مصنوعی ANN و تلفیق آن ها با الگوریتم ازدحام ذرات PSO به پیش بینی خشک سالی هیدرولوژیکی با شاخص SDI در ایستگاه هیدرومتری تمر، واقع در حوضه رودخانه گرگان رود پرداخته شد. در ابتدا ورودی های سیستم با استفاده از روش آنالیز حساسیت خطی انتخاب و سپس پیش بینی توسط هر کدام از مدل ها به صورت جداگانه صورت گرفت. آنالیز حساسیت نشان داد که برترین ورودی به مدل ها ، شامل پارمترهای شاخص SDI با تاخیرهای یک ماهه، شش ماه و یک ساله بود. در ادامه کیفیت پیش بینی هرکدام از مدل ها با استفاده از برخی شاخص های آماری همچون 2R ، RMSE ، MSE مورد ارزیابی قرار گرفت. بررسی ها نشان داد، برای پیش بینی شاخص SDI، مدل ANFIS-PSO با ANFIS R2، و MSE در قسمت آموزش به ترتیب با دقت 0/99، 0/08، 0/03و در قسمت آموزش و سنجش با 0/96، 0/11 و 0/06 داری بهترین توانایی برای پیش بینی شاخص مزبور بود. در انتها نتایج مدل مزبور حاکی از توانایی در پیش بینی شاخص SDI بود.

Keywords:

سیستم استنتاج فازی- عصبی تطبیقی , شبکه عصبی مصنوعی , الگوریتم ازدحام ذرات گرگان رود , شاخص SDI