پيش بيني خشكسالي با استفاده از شبكه هاي عصبي تاخير زماني مطالعه موردي: دشت تبريز

خشكسالی یك رخداد نادر طبیعی نیست و یكی از خصوصیات اقلیمی به شمار می آید. خشكسالی در صورت ادامه به مدت چندین ماه و یا سال می تواند مناطق وسیعی را تحت تاثیر قرار دهد و موجب صدمات بسیار زیاد اجتماعی، تخریب محیط زیست و خسارات اقتصادی گردد. پیش بینی خشكسالی می تواند ما را در جلوگیری از بروز این مشكلات یاری نماید. شاخص های خشكسالی كه معمولاً به صورت یك عدد منفرد بیان می شوند برای ایجاد قدرت تصمیم گیری بهتر توسط برنامه ریزان و طراحان استفاده می شوند. شاخص شدت خشكسالی پالمر (PDSI) كه به طور وسیعی توسط وزارت كشاورزی امریكا مورد استفاده قرار گرفته است، بر مقادیر دما و بارش و همچنین رطوبت خاك استوار می باشد. در تحقیق حاضر برای پیش بینی شاخص شدت خشكسالی پالمر در منطقه دشت تبریز از یك شبكه عصبی تاخیر زمانی استفاده شده است. مدل ارایه شده قادر است با استفاده از مقادیر PDSI در ماه های قبل، مقدار آن را در ماه آینده با دقت بسیار زیادی (فرمول داخل متن) تخمین بزند .همچنین این مدل قادر است تخمین بسیار مناسبی برای داده هایی كه هرگز در آموزش شبكه بكار نرفته اند ارائه نماید.