پیش‌بینی خشکسالی با استفاده از مدل فازی-عصبی، شاخص‌های اقلیمی، بارندگی و شاخص خشکسالی (مطالعه موردی: زاهدان)

هدف تحقیق حاضر، پیش‌بینی خشکسالی‌های پاییزه‌ی زاهدان به وسیله متغیّرهای ورودی مختلف می‌باشد. این متغیّرها عبارتند از: بارندگی، مقادیر پیشین شاخص خشکسالی spi و 19 عدد از شاخص‌های اقلیمی. برای این منظور، میانگین سه ماهه اکتبر- نوامبر- دسامبر شاخص خشکسالی spi به عنوان متغیّر خروجی انتخاب شد. سپس هرکدام از متغیّرهای ورودی یاد شده، در تاخیرهای زمانی صفر، 1، 2 و 3 ماهه (به ترتیب میانگین سه ماهه اکتبر-نوامبر-دسامبر، سپتامبر-اکتبر- نوامبر، آگوست- سپتامبر- اکتبر و ژولای-آگوست- سپتامبر) وارد مدل شدند. مدل‌های پیش‌بینی نیز با استفاده از مدل فازی- عصبی anfis توسعه داده شدند.بر اساس نتایج به دست آمده، در تاخیر زمانی صفر، بارندگی و شاخص اقلیمی nino3 به ترتیب با ضرایب همبستگی 0.97 و 0.75 و خطاهای 0.13 و 0.33 مناسب‌ترین متغیّرهای ورودی را تشکیل دادند؛ در تاخیر زمانی 1 ماهه، بارندگی، شاخص خشکسالی spi و شاخص اقلیمی amo به ترتیب با ضرایب همبستگی 0.67، 0.72، 0.65 و خطاهای 0.36، 0.35 و 0.39 بهترین متغیّرهای ورودی را شامل شدند؛ در تاخیر زمانی 2 ماهه، شاخص اقلیمی soi با ضریب همبستگی 0.78 و خطای 0.31 به عنوان بهترین متغیّر ورودی انتخاب شد و در نهایت در تاخیر زمانی 3 ماهه، شاخص اقلیمی amo با ضریب همبستگی 0.59 و خطای 0.42 مناسب‌ترین متغیّر ورودی را تشکیل داد.