شبيه سازي‌ و پيش ‌بيني‌ بارش 6 ماهه‌ كرمان‌ با‌ استفاده ‌ از سيگنال‌ ‌هاي‌بزرگ‌ مقياس ‌اقليمي

خشكسالی یكی از بلایای طبیعی می باشد كه خسارات زیادی به زندگی انسان و اكوسیستمهای طبیعی وارد میآورد و به عنوان یك ناهنجاری اقلیمی، یكی از مخرب ترین پدیده های آب و هوایی محسوب می گردد و تقریباً در همه رژیمهای اقلیمی دیده می شود. این پدیده خزندهی طبیعی پیامدهای زیانبار و پرهزینه ای را بر منطقه تحت نفوذ خود برجای میگذارد. با توجه به قرار گرفتن ایران در كمربند خشك و نیمه خشك دنیا هیچ منطقهای از كشور از این پدیده در امان نیست و به نسبت موقعیت طبیعی خود تاثیرات این پدیده مخرب را تجربه می نماید. لذا بروز خشكسالی های شدید و گسترده در كشور ممكن است آسیب های بسیاری را هر ساله بر پیكره اقتصادی بخشی از كشور تحمیل كند. راهكارهای مهم برای كاهش خسارات ناشی از خشكسالی شناخت صحیح این پدیده است . تاكنون تحقیقات بسیاری در ایران و جهان درارتباط با تغییر اقلیم و پایش خشكسالی صورت گرفته است. البته سابقه تحقیقات در ایران در مقایسه با كشورهای دیگر كمتر و آن هم در سطوح آكادمیك و دانشگاهی بوده است. مطالعات حاضر به منظور به كار بردن روشی تازه و نو در كاربرد شبكه عصبی و استفاده از داده هایی كه در فاصله دور از ما اندازه گیری و به طور منظم ثبت می ، شوند می باشند. این تحقیق سرآغاز فصلی تازه در شبیه سازی و پیش بینی طولانی مدت بارش و جریان رود خانه بعنوان دو نوع از خشكسالی ها توسط مدل های ریاضی می باشد. هدف از این تحقیق شبیه سازی و پیش بینی بارش در استان كرمان با استفاده از سیگنال های بزرگ مقیاس اقلیمی و شبكه عصبی مصنوعی شش ماهه است. مدل مورد استفاده در این شبیه سازی شبكه های عصبی است كه بعنوان هسته مركزی یك سیستم مدل سازی در نظر گرفته شده است. قبل از ورود داده های شبیه ساز به مدل شبكه عصبی یك سیستم و شبكه فیلترینگ با پیچیدگی بالا جهت تحلیل و انتخاب بهترین تركیب در ساخت داده MIMO, MISO, SISO های ورودی به شبكه عصبی طراحی و ساخته شد. هدف از طراحی این شبكه فیلترینگ تولید سیگنال های سفید از تركیب سیگنال های بزرگ مقیاس اقلیمی است. سیگنال های سفید تولید شده بعنوان ورودی مدل شبكه عصبی در مدل سازی بكار می رود. نتیجه نهایی این تحقیق منجر به تولید مدل شبكه عصبی با توان بسیار بالا در شبیه سازی بارش شهرستان كرمان از نظر اقلیمی شده است.