استخدام خوارزمية الانتشار الخلفي للتنبؤ بعامل الجفاف في مؤشر للجفاف Keetch-Byram

الملخص

تستمر حرائق الغابات في الارتفاع خلال موسم الجفاف ومن الصعب إيقافها. في هذه الحالة، يمكن أن تتسبب درجات الحرارة
المرتفعة في موسم الجفاف في زيادة مؤشر الجفاف الذي يحتمل أن يحرق الأضرار في كل مرة. وبالتالي، ينبغي للحكومة إجراء المراقبة
طوال موسم الجفاف. المراقبة المستمرة دون التركيز على وقت معين تصبح غير فعالة وغير فعالة بسبب التدابير الوقائية التي تتم دون معرفة
مخاطر الحريق المحتملة. استنادًا إلى مؤشر Keetch-Byram للجفاف (KBDI) ، يتم استخدام صياغة عامل الجفاف فقط لحساب الجفاف
اليوم استنادًا إلى الظروف الجوية الحالية ، ومؤشر الجفاف بالأمس. ومع ذلك ، لمعرفة عوامل الجفاف بعد يوم واحد ، هناك حاجة إلى بيانات
حول الطقس. لذلك، نحن بحاجة إلى خوارزمية يمكنها التنبؤ بعامل الجفاف. لذلك ، يمكن التنبؤ بإمكانية الحريق الأكثر أهمية خلال موسم
الجفاف. علاوة على ذلك، هناك حاجة إلى التنبؤ اليومي بموسم الجفاف يوميًا للقيام بأفضل عمل، ثم يمكن تنفيذ إجراء وقائي مؤهل. الطريقة
المستخدمة في هذه الدراسة هي خوارزمية الانتشار الخلفي التي لها وظائف لحساب واختبار وتدريب عوامل الجفاف. باستخدام البيانات
التجريبية، يتم تدريب بعض البيانات ومن ثم اختبارها حتى يمكن استنتاج أن 100 ٪ من البيانات معترف بها بالفعل بشكل جيد. علاوة على
ذلك ، فإن بعض البيانات الأخرى التي تم اختبارها دون تدريب ، فإن النتيجة هي 60 ٪ من تطابق البيانات. بشكل عام، تُظهر هذه الخوارزمية
نتائج واعدة ويمكن تطبيقها أكثر لإكمال العديد من مؤيدي المتغيرات