ابراهیمی, پیام. (1401). پیشبینی خشکسالی با استفاده از سیستم استنتاج عصبی- فازی سازگار با الگوریتم فراابتکاری کلونی مورچهها درآبخیز زابل. سامانه مدیریت نشریات علمی, (), -. doi: 10.22092/wmrj.2022.359003.1478
پیام ابراهیمی. "پیشبینی خشکسالی با استفاده از سیستم استنتاج عصبی- فازی سازگار با الگوریتم فراابتکاری کلونی مورچهها درآبخیز زابل". سامانه مدیریت نشریات علمی, , , 1401, -. doi: 10.22092/wmrj.2022.359003.1478
ابراهیمی, پیام. (1401). 'پیشبینی خشکسالی با استفاده از سیستم استنتاج عصبی- فازی سازگار با الگوریتم فراابتکاری کلونی مورچهها درآبخیز زابل', سامانه مدیریت نشریات علمی, (), pp. -. doi: 10.22092/wmrj.2022.359003.1478
ابراهیمی, پیام. پیشبینی خشکسالی با استفاده از سیستم استنتاج عصبی- فازی سازگار با الگوریتم فراابتکاری کلونی مورچهها درآبخیز زابل. سامانه مدیریت نشریات علمی, 1401; (): -. doi: 10.22092/wmrj.2022.359003.1478
پیشبینی خشکسالی با استفاده از سیستم استنتاج عصبی- فازی سازگار با الگوریتم فراابتکاری کلونی مورچهها درآبخیز زابل
عضو هیات علمی گروه جنگل، مرتع و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی سیستان
چکیده
خشکسالی به مفهوم کمبود آب در اثر عدم تعادل در عرضه آب است. کمبود بارندگی در شمال استان سیستان و بلوچستان بر شرایط اقتصادی اجتماعی جوامع محلی موثر است. ارزیابی خشکسالی با ارائه درک درستی از رویدادهای تاریخی خشکسالی و اثرات آنها در یک منطقه، نقش مهمی در برنامهریزی و مدیریت منابع آب دارد. خشکسالی هواشناسی از طریق شاخصهای متعددی قابل بررسی و اندازه گیری است. یکی از شاخص های ساده و با کاربرد فراگیر، شاخص بارش استاندارد شده است. اگرچه در زمینه پیشبینی خشکسالی از طریق پیوند رویکردهای اکتشافی و روشهای بهینهسازی پژوهشهایی انجام شده است، اما بررسی دقت مدلها در حوزهآبخیز زابل انجام نشده است. این مقاله در حوزه آبخیز زابل، مدلهای انفیس (سیستم استنتاج عصبی- فازی سازگار) و انفیس همراه با الگوریتم فراابتکاری کلونی مورچهها را در پیشبینی خشکسالی بررسی میکند. براساس نتایج به دست آمده، پیشبینی خشکسالی با استفاده از داده های بارش ماهانه ایستگاههای سینوپتیک زابل (1362-1399)، زهک (1373-1399) و روش بهینه سازی کلونی مورچگان سبب بهبود عملکرد مدل انفیس شده است. مقادیر آزمون ضریب تعیین پیشبینی مدل انفیس همراه با الگوریتم فراابتکاری کلونی مورچه ها در بازههای 3، 6، 9 و 12 ماهه بهترتیب برابر با 0.738، 0.854، 0.801 و 0.898 در ایستگاه زابل و 0.792، 0.804، 0.759 و 0.887 در ایستگاه زهک است. دقت پیشبینی خشکسالی با استفاده از الگوریتم های فراابتکاری در حوزهآبخیز زابل برنامهریزی کشت محصولات سازگار با خشکسالی را فراهم میکند.
Drought Prediction Using Compatible Adaptive Neuro Fuzzy Inference System with the Ant Colony Optimization Algorithm in Zabol Watershed
نویسندگان [English]
Payam Ebrahimi
Assistant Professor
Forests, Rangelands and Watershed Research Department. Sistan Agricultural and Natural Resources Research and Education Center. AREEO, Zabol, Iran
چکیده [English]
Drought means insufficient water because of an unbalanced water supply. The lack of precipitation in the northern province of Sistan and Baluchestan has a long-term impact on the socioeconomic conditions of local communities. Drought assessment plays an important role in water resource planning and management by understanding the historical events of drought and its impacts in a region. Meteorological drought can be measured by a variety of indicators. A simple and widely used indicator is the Standardized Precipitation Index (SPI). Research has been conducted on drought forecasting by linking exploratory approaches and optimization methods, but these methods have not been studied in the Zabol watershed. This article examines the Compatible Adaptive Neuro Fuzzy Inference System (ANFIS) and ANFIS models with Ant Colony Optimization Algorithm (ANFIS-ACOR) for drought forecasting. Drought forecasting was done using monthly precipitation data from synoptic stations Zabol (1983-2020) and Zahak (1994-2020). The results showed (ANFIS-ACOR) improved the performance of the Adaptive Neuro Fuzzy Inference System. The model predictive correlation test (ANFIS-ACOR) values in the 3-, 6-, 9- and 12-month intervals are equal to 0.738, 0.854, 0.801 and 0.898 at the Zabol station. As well 0.792, 0.804, 0.759 and 0.887 at Zahak station, respectively. Accurate drought prediction using metaheuristic algorithms in the Zabol watershed provides drought-compatible crop planning.