سمیه حجابی - دانشجوی ارشناسی ارشد هواشناسی کشاورزی دانشگاه تهران
جواد بذرافشان - استادیار پردیس کشاورزی و منابع طبیعی دانشگاه تهران
نوذر قهرمان - استادیار پردیس کشاورزی و منابع طبیعی دانشگاه تهران

در این مقاله بر مبنای سری زمانی شاخص بارندگی استاندارد شده (SPI) در مقیاس 12 ماهه (دوره آماری1956-2005 )، در ایستگاه بندرانزلی (نماینده اقلیم بسیار مرطوب)، کارآیی مدلهای استوکاستیکو هیبرید شبکه عصبی- استوکاستیک، برای پیشبینیهای یک الی شش (ANN) شبکه عصبی ،(ARIMA)1956 برای واسنجی - گام به جلو ارزیابی گردید. در فرایند مدل سازی، از دادههای مربوط به دوره آماری 1995و مابقی دادهها برای صحتسنجی مدلها استفاده شد. نتایج نشان دادند که در تمام گامهای پیش بینی، ترکیبمدلهای شبکه عصبی- استوکاستیک (هیبرید) نتیجه بسیار مناسبتری نسبت به کاربست مجزای آنها دارد وبا افزایش گام زمانی اختلاف دقت مدلهای هیبرید با سایر مدلها افزایش مییابد

خشکسالی، پیش بینی، مدل های هیبرید، شاخص بارندگی استاندارد شده، بندر انزلی