كاربرد الگوهاي شبكه عصبي مصنوعي در شبيه سازي شدت خشكسالي ( مطالعه موردي: ايستگاه ترشكلي استان گلستان)

پیش بیني خشكسالي ابزار مناسبي براي مديران و سیاست گذاران حوزه هاي مختلف است تا باا در نررگارفتا اياا پایش بیناي ، سیاست هاي آينده را در جهت بهینه نمودن هزينه ها طار ريازي نماوده و باا اتخااه راهكارهااي پیشاگیرانه خسااراا ناشاي از خشكسالي هاي آتي بر بخش هاي آسیب پذير جامعه را به حداقل ممكا برسانند. در ايا مطالعه، از شاخص استانداردشده باار ( SPI ( و رو شبكه عصبي مصنوعي براي شبیه سازي خشكسالي هاا بهاره گرفتاه شاد . همچنایا، از آماار بارنادگي ايساتگاه تبخیرسااااانشي ترشاااااكلي واقاااااع در شهرساااااتان گنبااااادكاووس اساااااتان گلساااااتان طاااااي ساااااا هااااااي 1334-78 استفاده گرديد. بر اساس معیارهاي ضاريب همبساتگي ) r (، كمتاريا میاانگیا مربعااا خطاا ) MSE ( و میاانگیا خطاي مطلق ) MAE ( مشخص گرديد، شبكه عصبي با 8 نرون در لايه ورودي، 27 نرون با تابع فعالیت تانژانت هايپربولیا در لايه پنهان، ي نرون در لايه خروجي با تابع فعالیت خطي و همچنیا، قانون يادگیري مومنتم در مقايسه باا سااير شابكه هااي عصبي اجراشده، ارتباط بیا اطلاعاا ورودي و خروجي را با دقت بالايي شبیه سازي نموده و از عملكرد بهتري در توصیف رفتار 1377 ماورد - تصادفي پديده خشكسالي ايستگاه ترشكلي برخوردار است. شبكه منتخب براي پیش بیني خشكسالي در دوره 33 استفاده قرار گرفت؛ به گونه اي كه مقادير پیش بیني شده، وقوع خشكسالي هاي ملايام در اياا دوره را نشاان دادناد . در مشماوع، نتايج شبیه سازي الگوهاي شبكه عصبي مصنوعي نشان مي دهند، ايا رو از دقت بالايي در دوره هاي اولیه پیش بیني برخوردار است.