基于人工神经网络与水文气象变量预测短中期与长期干旱
大气与海洋物理
2020-06-05 v1 机器学习
摘要
干旱是一种自然缓发性威胁，对人类生活的诸多方面具有大量破坏性影响。准确的干旱预测是帮助决策者制定干旱风险管理策略的有益一步。为此，选择合适的模型在预测方法中起着重要作用。本研究采用不同的人工神经网络（ANN）模型，利用伊朗大不里士市不同时间尺度（包括3、6、12、24和48个月）的标准化降水指数（SPI）来预测短中期与长期干旱。为此，使用1992至2010年间计算得到的SPI与多种水文气象变量（如降水、风速、相对湿度和日照时数）的时间序列的不同组合来训练ANN模型。为比较模型性能，本研究采用了若干知名度量，即均方根误差（RMSE）、平均绝对误差（MAE）和相关系数（CC）。结果表明，所有水文气象变量的应用显著改善了不同时间尺度上SPI的预测。
引用
@article{arxiv.2006.02581,
title = {Prediction of short and long-term droughts using artificial neural networks and hydro-meteorological variables},
author = {Yousef Hassanzadeh and Mohammadvaghef Ghazvinian and Amin Abdi and Saman Baharvand and Ali Jozaghi},
journal= {arXiv preprint arXiv:2006.02581},
year = {2020}
}