پیش بینی خشکسالی با استفاده از شبکه عصبی و الگوریتم های فراابتکاری (مطالعه ی موردی: ایستگاه کرمانشاه)

خشکسالی یک رخداد طبیعی و موقتی است که ناشی از کاهش بارندگی است و میتواند در هر اقلیمی رخ دهد. از آنجائی که خشکسالی پدیده ای تصادفی و غیر خطی است، استفاده از شبکه عصبی می تواند در نتایج پیش بینی مفید باشد. در این پژوهش به بررسی کارایی شبکه عصبی در پیش بینی خشکسالی پرداخته شده است. برای اینکه نتایج بهتری از شبکه عصبی بدست آید از دو الگوریتم فراابتکاری رقابت استعماری و جغرافیای زیستی برای بهینه سازی شبکه عصبی استفاده شد. پارامترهای بارندگی، میانگین دمای حداقل، میانگین دمای حداکثر، میانگین رطوبت نسبی حداکثر و میانگین رطوبت نسبی حداقل برای ورودی های شبکه درنظر گرفته شد. نتایج نشان داد مدل (ann-ica) با توجه به آزمون های آماری نتیجه بهتری در پیش بینی 3 ماهه خشک سالی و مدل (ann-bbo) دقت بالاتری در پیش بینی خشک سالی 6 ماهه و سالانه دارد. بازه زمانی آماری (1354-1395) در نظر گرفته شد که از (1354-1384) برای مرحله واسنجی و باقی مانده سال ها جهت صحت سنجی مدل ها مورد استفاده قرار گرفت.