ارزیابی کارایی سیستم استنتاج تطبیقی عصبی - فازی در پیش اگاهی از خشکسالی با نمایه SPI در کرمان

پیامدهای ناشی از تغییر اقلیم، به ویژه در اثر افزایش گازهای گلخانه ای طی سال های اخیر مشکلات زیادی را همراه داشته که به صورت مستقیم یا غیر مستقیم بخش های مختلف جامع را تحت تاثیر قرار داده است که شایع ترین این پیامدها در ایران وقوع سیل و خشکسالی است. با توجه به موقعیت جغرافیایی ایران و سیستم های سینوپتیکی که این منطقه را تحت تاثیر قرار می دهند. آشکار است خشکی از جمله ویژگی های این منطقه به حساب می آید و خشکسالی یکی از مهم ترین و شایع ترین بلایای جوی اقلیمی است که این کشور را متاثر می سازد. لذا پیش بینی و ارزشیابی این بلیه در آینده به منظور ارایه برنامه ریزی صحیح در بخش های مختلف جامعه، امری لازم و ضروری است در طی دهه های اخیر تکنیک های هوشمند توانایی های زیادی را در مدلسازی و پیش بینی سری های زمانی غیر خطی و غیر ایستا نشان داده اند. نتایج بیانگر این بود که ترکیبی با تابع عضویت گوسی با RMSE,R به ترتیب 0.911 و 0.0290 بهترین عملکرد را داشته است.

کلیدواژه ها:

نمایه SPI ، شبکه های عصبی ، فازی تطبیقی ، خشکسالی ، کرمان