爬行动物搜索算法和自适应性神经模糊推理系统的整合增强了标准化的降水蒸发透气指数预测

科学领域:

• 环境科学 环境科学
• 气候建模气候模型
• 人工智能的人工智能

背景情况:

• 准确估计标准化降水蒸发转化指数 (SPEI) 对于了解干旱和水资源管理至关重要.
• 现有的模型在不同的气候条件下可能存在局限性,需要先进的计算方法.
• 超启发式算法为优化复杂的环境建模任务提供了潜力.

研究的目的:

• 为了引入和评估一种新的混合模型,人工神经模糊推理系统与爬行动物搜索算法 (ANFIS+RSA) 结合,用于SPEI估计.
• 评估模型在伊朗三个不同的气候区的表现:干旱和超冷,半干旱和冷,半干旱和温和.
• 为了比较ANFIS+RSA模型与ANFIS结合鱼优化算法 (WOA) 和灰狼优化 (GWO) 的有效性.

主要方法:

• 开发了一种混合ANFIS+RSA模型,整合了气象数据 (温度,降水,蒸发) 和大规模气候信号 (NAO,AO,PDO,SOI).
• 在伊朗的干旱/超冷,半干旱/冷,半干旱/温和气候地区测试了该模型的预测准确度.
• 使用性能指标,包括根平均平方误差 (RMSE),平均绝对误差 (MAE),一致系数 (CA) 和纳什-萨克利夫效率 (NASH) 进行评估.

主要成果:

• 与独立的ANFIS,ANFIS+GWO和ANFIS+WOA相比,ANFIS+RSA模型表现出适当的性能和更高的相对准确性.
• 在半干旱和温和气候 (RMSE=0.28,MAE=0.20,CA=0.19,NASH=0.91) 中观察到最高的预测准确度.
• 在干旱/超寒冷气候 (RMSE=0.24,MAE=0.18,CA=0.19,NASH=0.84) 中注意到一致的准确性,在半干旱/寒冷气候 (RMSE=0.33,MAE=0.23,CA=0.23,NASH=0.85) 中表现略低.

结论:

• 混合ANFIS+RSA模型是一个有前途的工具,可以在各种气候条件下准确地估计SPEI.
• 爬行动物搜索算法有效地提高了ANFIS对水文和气候相关指数的预测能力.
• 建议在不同的地理区域和气候类型中进一步验证ANFIS+RSA模型,以确定其更广泛的应用.