فهرست نشریات علمی دسترسی آزاد ایران

هدف از پژوهش پیش رو، مقایسۀ کارایی مدل­های استوکاستیک و شبکه­های عصبی مصنوعی در پیش­بینی کمّی شاخص بارندگی استاندارد شده (SPI) در اقلیم­های خشک و مرطوب ایران است. برای این امر، محاسبۀ SPI، در مقیاس­های زمانی سه‎ماهه، شش‎ماهه و دوازده‎ماهه در چهار ایستگاه سینوپتیک کشور طی دورۀ 2007-1973 انجام شد. در گام بعد، مدل‎سازی سری­های زمانی SPI برای پیش­بینی­های یک تا دوازده گام به جلو، به سه روش مدل‎سازی استوکاستیک، شبکۀ عصبی بازگشتی (RMSNN) و شبکۀ عصبی مستقیم (DMSNN) انجام گرفت. مقادیر SPI مربوط به دورۀ 1973 تا 2000، برای توسعۀ مدل­ها و مابقی برای صحت­سنجی مدل­ها مورد استفاده قرار گرفت. در مرحلۀ صحت­سنجی، مقایسۀ مقادیر مشاهده­شده و پیش­بینی­شده­ SPI با استفاده از آزمون­های آماری، ضریب همبستگی و شاخص خطا انجام شد. همچنین برای بررسی قابلیت مدل­ها در پیش­بینی طبقات SPI، از آماره کاپای کوهن استفاده شد. در نهایت، اولویت دقت مدل­ها از دیدگاه­هایی چون، افق زمانی پیش­بینی و مقیاس زمانی بررسی خشکسالی تعیین شد. نتایج به‎دست آمده نشان داد: 1) در مقیاس زمانی سه، شش و دوازده‎ماهه، به‎طور کلی مدل­های استوکاستیک (به‎ترتیب با میانگین خطای 678/0، 569/0 و 344/0 و میانگین ضریب همبستگی 682/0، 777/0 و 919/0) از نظر مهارت پیش­بینی مقادیر SPI در اولویت کاربرد قرار دارند. 2) در مقیاس زمانی سه، شش و دوازده‎ماهه به‎ترتیب، مدل­های DMSNN ، RMSNN و استوکاستیک (با میانگین کاپای 397/0، 530/0 و 750/0) از نظر مهارت پیش­بینی طبقات SPI در اولویت کاربرد قرار دارند.