کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

مروری بر کاربرد مدل‌های هوش مصنوعی در پیش‌بینی شاخص‌های خشکسالی هواشناسی

نویسندگان :

سید محمد سجاد عمرانی¹ محمد نجف زاده² صدیقه انوری³

1- دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان 2- دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان 3- دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

کلمات کلیدی :

هوش مصنوعی،سیل،یادگیری ماشین،یادگیری عمیق

چکیده :

خشکسالی یکی از پدیده‌های اقلیمی پیچیده و تأثیرگذار بر منابع آب، کشاورزی و محیط‌زیست است که در سال‌های اخیر با شدت بیشتری بروز یافته است. در این میان، شاخص‌های شاخص بارش استاندارد شده (SPI) و شاخص بارش-تبخیر و تعرق استاندارد شده (SPEI) به‌عنوان ابزارهای کلیدی برای ارزیابی وضعیت خشکسالی به‌کار می‌روند. با توجه به محدودیت‌های روش‌های آماری کلاسیک در پیش‌بینی دقیق خشکسالی، مدل‌های هوش مصنوعی در سال‌های اخیر جایگاه ویژه‌ای در این حوزه یافته‌اند. این پژوهش با مروری نظام‌مند بر مطالعات انجام‌شده، به بررسی عملکرد مدل‌های پرکاربردی چون شبکه‌های عصبی مصنوعی(ANN)، ماشین بردار پشتیبان(SVM)، جنگل تصادفی(RF)، حافظه بلندمدت-کوتاه‌مدت (LSTM) و رگرسیون فرآیند گاوسی (GPR) در پیش‌بینی شاخص‌های خشکسالی SPEI و SPI پرداخته است. نتایج مرور نشان می‌دهد که مدل‌های عمیق و ترکیبی، به‌ویژه LSTM و GPR، به دلیل توانایی در شناسایی وابستگی‌های غیرخطی و سری‌زمانی، از دقت بالاتری نسبت به سایر مدل‌ها برخوردارند. در نهایت، یافته‌ها تأکید می‌کنند که توسعه مدل‌های هوشمند ترکیبی می‌تواند مسیر آینده پژوهش در زمینه پایش و پیش‌بینی خشکسالی را ترسیم کند