فهرست نشریات علمی دسترسی آزاد ایران

خشک‎سالی هیدرولوژیک بر تخصیص آب و تولید برق‌آبی تأثیر می‌گذارد. از این‎جهت پیش‎بینی خشکسالی می‌تواند به مدیریت بهینه منابع آب کمک نماید. در این مقاله، خشکسالی هیدرولوژیکی کوتاه‌مدت بر اساس یادگیری عمیق پیش‌بینی شد. برای این منظور، شاخص استاندارد خشک‎سالی هیدرولوژیک (SHDI) دربازه‌های یک، سه و شش ماه محاسبه شد. سپس، سه حالت کلی برای پیش‌بینی SHDI و 36 ترکیب ورودی-خروجی استخراج شدند. در مرحله بعد، الگوریتم‌های مختلف بهینه‌سازی، ازجمله الگوریتم بهینه‌سازی ملخ، الگوریتم ازدحام نمک، بهینه‌سازی مبتنی بر جغرافیای زیستی و بهینه‌سازی ازدحام ذرات ترکیب‎شده با ANN برای پیش‌بینی SHDI مورداستفاده قرار گرفتند. در این تحقیق 70% داده‌ها برای آموزش و 30% برای آزمایش مدل‎ها درنظر گرفته شدند. در نهایت عملکرد شبکه عصبی عمیق (DNN) در مقایسه با نتایج مدل‌های ترکیبی و ANN نشان داد که مدل‌های ترکیبی عملکرد بهتری داشته‌اند ولی در مقایسه با یادگیری عمیق توانایی آن‎ها کم‎تر است. یادگیری عمیق بدون نیاز به تعریف ترکیب ورودی‎ها، توانست مقدار RMSE را به 32/0 کاهش دهد.