نوع مقاله : یادداشت فنی

نویسندگان

• حمیده افخمی
• محمدتقی دستورانی

چکیده

امروزه مدل‌های مختلف هوش محاسباتی توانایی بالایی را در پیش‌بینی سری‌های زمانی از خود نشان داده‌اند. هدف اصلی این مقاله ارزیابی کارایی شش مدل شبکه عصبی مصنوعی در شبیه‌سازی بارش و به دنبال آن خشکسالی در ایستگاه یزد است تا مدل با بالاترین کارایی شناسایی شود. برای ارزیابی کارایی مدل نیز از دو پارامتر ریشه مربعات خطا و ضریب اطمینان استفاده شد. نتایج نشان دادند ساختارهای دینامیک شبکه عصبی شامل دو شبکه برگشتی و برگشتی با تأخیر زمانی به‌ترتیب با ضریب کارایی 0.77 و ?0.78 در پیش‌بینی‌ها،‏ کارایی بهتری را از خود نشان داده‌اند و در نهایت مدل برگشتی با تأخیر زمانی به‌عنوان مدل برتر شناسایی شد.

کلیدواژه‌ها

• شبکه عصبی مصنوعی
• پیش‌بینی خشکسالی
• ایستگاه هواشناسی یزد
• شبیه‌سازی

عنوان مقاله [English]

Performance Evaluation of Neural Network Models to Drought Events Prediction in Yazd Station

نویسندگان [English]

• Hamideh Afkhami
• Mohammad Taghi Dastourani

چکیده [English]

Nowadays, computational intelligence models have shown high ability on prediction of time series. The main purpose of this paper is to evaluate the performance of six artificial neural network based models for simulation of precipitation and subsequent drought condition in Yazd station and identifying the best one. In order to evaluate the performance of models two criteria: Root Mean Square Error (RMSE) and Correlation Coefficient (R) were used. The results showed that the dynamic structures of artificial neural network including recurrent network (RN) and Time Lag Recurrent Network (TLRN) showed better performance with R=0.77 and 0.78, respectively. Comparing the performance of RN and TLRN models indicated that, however both of the models had the similar performance, but the TLRN network was the best one.

کلیدواژه‌ها [English]

• Yazd meteorological station
• Simulation
• Drought prediction
• Artificial neural network