پيش بيني خشك‌سالي در سطح استان يزد با استفاده از روش هوش مصنوعي

مديريت و كنترل بيابان

3/6/2019 12:00:00 AM

خشك‌سالي يك اختلال موقتي است كه خصوصيات آن از منطقه¬اي با منطقه ديگر متفاوت است ازاين‌رو نمي¬توان تعريف جامع¬ و مطلق براي خشك‌سالي بيان نمود. پديده¬هاي اقليمي مختلف همچون نوسانات جنوبي مي¬توانند در وقوع خشكسالي تاثير گذار باشند. تحقيق حاضر به منظور پيش¬بيني خشكسالي با استفاده از هوش مصنوعي و همچنين بررسي تاثير پديده ال¬نينو بر وقوع خشكسالي در سطح استان يزد انجام گرفته است. داده¬هاي بارندگي 11 ايستگاه سينوتيك طي دور ¬آماري 29 ساله (1988 تا 2017) به صورت ماهانه مورد استفاده قرار گرفت. شاخص بارش استاندارد شده (SPI) در مقياس¬هاي زماني 1، 3، 6، 9، 12 و 24 ماهه محاسبه گرديد كه گوياي وضعيت خشكسالي از نظر شدت و مدت مي¬باشد. تاثير پديده ال¬نينو در وقوع خشكسالي به صورت همزمان و با تاخير زماني 2 ماه بررسي گرديد و هيچگونه ارتباط معني داري بين خشكسالي و ترسالي¬هاي به وقوع پيوسته مشاهده نگرديد. براي پيش¬بيني يك¬ماه بعد خشكسالي از 4 روش Deeplearning ، KNN، Decision Tree و SVM-MultiClass استفاده شده است، داده¬هاي بارش به عنوان ورودي و كلاس¬ SPI به عنوان خروجي شبكه¬ها در نظر گرفته شده است. نتايج نشان داده است تمامي شبكه¬ها توانايي پيش¬بيني خشكسالي را داشته¬اند، بر اساس معيار ارزيابي macro-f1 شبكه Deeplearning در مقياس زماني 1 ماهه با 71/22% ناكارآمدترين روش و Decision Tree با 65/64% كارآمدترين روش بوده¬اند، اما با افزايش مقياس زماني، شبكه Deeplearning عملكرد خود را بهبود بخشيده است به طوريكه در مقياس زماني 24 ماهه با 35/65% بهترين عملكرد مربوط به شبكه Deeplearning و بعد از آن، شبكه SVM-MultiClass با 40/57% قرار گرفت.

76454

دانشگاه اردکان

قانعي محمدجواد Ghaneei Bafghi Mohammad Javad