کاربرد مدل های شبکه عصبی مصنوعی در پیش بینی خشکسالی استان اصفهان

پیش بینی خشکسالی نقش بسزایی در برنامه ریزی، مدیریت و بهره برداری از منابع آب دارد؛ در این پژوهش برای پیش بینی سیکل خشکسالی در 9 ایستگاه باران سنجی استان اصفهان از شبکة عصبی مصنوعی استفاده شده است. داده های مورد استفادة در این تحقیق شامل بارش ماهانه و شاخص بارش استاندارد (spi) در ایستگاه های منتخب، از سال 1972 تا 2010 میلادی می باشد. به این منظور با استفاده از آمار موجود، مقادیر spi برای یکسال بعد پیش بینی گردید. نتایج نشان داد در میان مدل های مختلف شبکة عصبی مصنوعی، شبکه های پرسپترون در اکثر ایستگاه ها با ضریب همبستگی بالایی قادر به پیش بینی مقادیر spi در زمان آتی می باشد. در میان ایستگاه های مورد استفاده، ایستگاه کوهپایه با بالاترین ضریب همبستگی معادل 0/96و با میانگین خطای عملکرد برابر با 0/40 بهترین عملکرد را از خود نشان داد. و ایستگاه زیار با ضریب همبستگی 0/86و میانگین خطای 0/807 عملکرد پایین تری را نسبت به سایر ایستگاه ها از خود نشان داده است.