Resumen

Los pronósticos de sequías pueden ser una herramienta efectiva para mitigar algunas de las consecuencias más adversas de la sequía. Los modelos basados en datos son herramientas de pronóstico adecuadas debido a sus tiempos de desarrollo rápidos, así como a los requisitos mínimos de información en comparación con la información requerida para los modelos basados en la física. Este estudio compara la efectividad de tres modelos basados en datos para pronosticar las condiciones de sequía en la Cuenca del río Awash en Etiopía. El Índice de Precipitación Estandarizado (SPI) es pronosticado y comparado utilizando redes neuronales artificiales (ANNs), regresión de vectores de soporte (SVR) y redes neuronales de wavelet (WN). Se pronosticaron los valores de SPI 3 y SPI 12. Estos valores de SPI fueron pronosticados para períodos de 1 y 6 meses. El rendimiento de todos los modelos fue comparado utilizando RMSE, MAE y . Los resultados del pronóstico indican que los modelos acoplados de

• Materias:Máquina de vectores Marco neuronal híbrido Base de datos Inteligencia neuronal Sintonización de controladores
• Subjects:Vector machine Hybrid neural framework Database Neural intelligence Controller tuning
• Palabras claves:Pronósticos de sequía; Modelos basados en datos; Cuenca del Río Awash; Etiopía; Índice de Precipitación Estandarizado; Redes neuronales artificiales
• Keywords:Drought forecasts; Data-driven models; Awash River Basin; Ethiopia; Standard Precipitation Index; Artificial neural networks