Resumen

Con el cambio climático global, las catástrofes por sequía se producen con frecuencia. La predicción de la sequía es un contenido importante para la gestión de desastres por sequía, la planificación y la gestión de los sistemas de recursos hídricos de una cuenca hidrográfica. En este estudio, se propone un modelo de predicción de sequía a corto plazo basado en redes de creencia profunda (DBN) para predecir las series temporales de diferentes escalas temporales del índice de precipitación estandarizado (SPI). El modelo DBN se aplica para predecir las series temporales de sequía en la cuenca del río Huaihe, China. Comparado con la red neuronal BP, el modelo de predicción de sequía basado en DBN ha mostrado mejores habilidades predictivas que la red neuronal BP para el SPI de diferentes escalas temporales. Esta investigación puede mejorar la tecnología de predicción de la sequía y ser útil para los gestores de los recursos hídricos y los responsables de la toma de decisiones en la gestión de los desastres causados por la sequía.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:tiempo diferente, desastres por sequía, red neuronal, modelo de predicción de sequía a plazo, cuenca del río huaihe, mejor capacidad de predicción, redes de creencias profundas, gestión de desastres por sequía, modelo de predicción de sequía, tecnología de predicción de sequía
• Keywords:different time, drought disasters, neural network, term drought prediction model, huaihe river basin, better predictive skills, deep belief networks, drought disaster management, drought prediction model, drought prediction technology