پيش بيني خشك سالي مبتني بر شبكه عصبي با استفاده از شاخص بارش استاندارد در استان فارس

خشك سالي يكي از بلاياي طبيعي است كه در كشورهاي مختلف با آب و هوايي متنوع روي مي دهد و مي تواند خسارات جبران ناپذيري را براي اكوسيستم ها به وجود آورد. با توجه به اين موضوع پيش بيني خشك سالي نقش مهمي در برنامه ريزي و مديريت منابع آب ايفا مي نمايد. روش ها و شاخص هاي مختلفي توسط پژوهشگران در نقاط مختلف كره زمين براي پيش بيني خشك سالي استفاده مي گردد. يكي از شاخص هاي معروف خشك سالي، شاخص SPI است كه به طور گسترده توسط محققان مختلف در سرتاسر دنيا مورد استفاده قرار گرفته است. شبكه هاي عصبي ابزاري قدرتمند در مدل سازي و پيش بيني سري هاي زماني غير ايستا و غير خطي است كه در اين تحقيق مورد استفاده قرار گرفته است. هدف اين پژوهش محاسبه اين شاخص و بررسي پيش بيني آن با استفاده از شبكه عصبي به منظور درك الگوهاي خشك سالي و پيامدهاي آن مي باشد. در اين تحقيق از داده هاي تعدادي ايستگاه هواشناسي سينوپتيك استان فارس، شامل شهرهاي شيراز، آباده، زرقان، درودزن و لار استفاده شد. مقادير شاخص SPI در دوره هاي 1، 6، 12، 24، 36، 48، و 60 ماهه محاسبه گرديد. به منظور پيش بيني خشك سالي در ايستگاه مورد نظر از شبكه عصبي استفاده شد. براي اين كار داده ها به سه بخش آموزش 70%، آزمايش 15% و صحت سنجي 15% تقسيم گرديد. از روش سعي و خطا براي تعيين پارامترهاي بهينه شبكه عصبي استفاده گرديد. ورودي هاي مدل مقادير بارش و دما و خروجي مدل مقادير SPI در پنجره هاي زماني مختلف بوده است. ميانگين مقادير MRE، RMSE و NSC در مرحله آزمايش به ترتيب برابر 0.287، 0.387 و 0.773 و در مرحله صحت سنجي به ترتيب برابر 0305، 0.418 و 0.742 بوده است. نتايج نشان داد كه شبكه عصبي با دقت بالايي قادر به پيش بيني و مدل سازي بوده است.