بررسی عملکرد شبکه عصبی مصنوعی و سری های زمانی در مدل سازی شاخص خشکسالی بارش استاندارد (مطالعه موردی: ایستگاه های منتخب استان خوزستان)

خشکسالی پدیده ای طبیعی است که می تواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازه های طبیعی وارد آورد. در این تحقیق به منظور پیش بینی شاخص خشکسالی بارش استاندارد، از دو نوع شبکه های عصبی مصنوعی، پرسپترون چند لایه و تابع پایه ی شعاعی و مدل های سری زمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دوره های سه، شش، نه و دوازده ماهه ی ایستگاه های منتخب استان خوزستان محاسبه گردید. سپس با استفاده از مدل های شبکه عصبی مصنوعی و سری های زمانی اقدام به پیش-بینی مقادیر شاخص بارش استاندارد گردید. نتایج این تحقیق نشان داد که مدل های سری زمانی در تمام دوره های زمانی مورد مطالعه عملکرد بهتری در پیش بینی مقادیر شاخص بارش استاندارد نسبت به شبکه های عصبی مصنوعی دارند و شبکه عصبی مصنوعی پرسپترون-چند لایه نیز نسبت به شبکه عصبی مصنوعی تابع پایه ی شعاعی در تمام دوره ها مقادیر شاخص بارش استاندارد را بهتر پیش بینی می کند.