Application of artificial neural network for forecasting standardized precipitation and evapotranspiration index: A case study of Nigeria ... : تطبيق الشبكة العصبية الاصطناعية للتنبؤ بمؤشر هطول الأمطار والنتح التبخري الموحد: دراسة حالة لنيجيريا ...

• Main Authors: Akinwale T. Ogunrinde, Phillip G. Oguntunde, Johnson Toyin Fasinmirin, Akinola S. Akinwumiju
• Format: Text
• Language: English
• Published: OpenAlex 2020
• Subjects: Global Drought Monitoring and Assessment; Global and Planetary Change; Environmental Science; Physical Sciences; Hydrological Modeling using Machine Learning Methods; Environmental Engineering; FOS Environmental engineering; Climate Change and Variability Research; Rainfall-Runoff Modeling; Forecasting; Groundwater Level Forecasting; Climate Modeling; Evapotranspiration; Mean squared error; Artificial neural network; Index typography; Precipitation; Statistics; FOS Mathematics; Sunshine duration; Computer science; Mean absolute percentage error; Meteorology; Data mining; Mathematics; Artificial intelligence; Geography; Ecology; FOS Biological sciences; World Wide Web; Biology; North Atlantic; North Atlantic oscillation
• Online Access: https://dx.doi.org/10.60692/scr9h-d6669; https://gresis.osc.int//doi/10.60692/scr9h-d6669

Abstract The necessity to perform an accurate prediction of future characteristics of drought requires a robust and efficient technique that can deduce from historical data the stochastic relationship or dependency between history and future. In this study, the applicability of the artificial neural network (ANN) is used for forecasting the standardized precipitation and evapotranspiration index (SPEI) at 12‐month timescale for five candidate stations in Nigeria using predictive variable data from 1985 to 2008 (training) and tested data between 2009 and 2015. The predictive variables are monthly average precipitation, average air temperature, maximum temperature, minimum temperature, mean speed, mean solar radiation, sunshine hours, and two large‐scale climate indices (Southern Oscillation Index and North Atlantic Oscillation). From the several combinations of the input variables, training algorithms, hidden, and output transfer functions, a total of eight model runs stood out using a three‐layer ANN ... : الملخص تتطلب ضرورة إجراء تنبؤ دقيق بالخصائص المستقبلية للجفاف تقنية قوية وفعالة يمكن أن تستنتج من البيانات التاريخية العلاقة العشوائية أو التبعية بين التاريخ والمستقبل. في هذه الدراسة، يتم استخدام قابلية تطبيق الشبكة العصبية الاصطناعية (ANN) للتنبؤ بمؤشر هطول الأمطار والنتح التبخري الموحد (SPEI) على مقياس زمني مدته 12 شهرًا لخمس محطات مرشحة في نيجيريا باستخدام بيانات متغيرة تنبؤية من 1985 إلى 2008 (تدريب) وبيانات مختبرة بين عامي 2009 و 2015. المتغيرات التنبؤية هي متوسط هطول الأمطار الشهري، ومتوسط درجة حرارة الهواء، ودرجة الحرارة القصوى، ودرجة الحرارة الدنيا، ومتوسط السرعة، ومتوسط الإشعاع الشمسي، وساعات أشعة الشمس، ومؤشرين مناخيين كبيرين (مؤشر التذبذب الجنوبي وتذبذب شمال الأطلسي). من بين عدة مجموعات من متغيرات الإدخال، وخوارزميات التدريب، والوظائف المخفية، ونقل المخرجات، برز ما مجموعه ثمانية نماذج باستخدام شبكة ANN ثلاثيةالطبقات. كان لدى بنية نموذج ANN الأكثر كفاءة 9،8،1 كخلايا عصبية للمدخلات والمخفية والمخرجات، على التوالي، تم تدريبها باستخدام خوارزمية تدريب Levenberg-Marquardt و tansig كوظائف التنشيط والنقل ...