پیش بینی خشک سالی مبتنی بر شبکه عصبی با استفاده از شاخص بارش استاندارد در استان فارس

خشک سالی یکی از بلایای طبیعی است که در کشورهای مختلف با آب و هوایی متنوع روی می دهد و می تواند خسارات جبران ناپذیری را برای اکوسیستم ها به وجود آورد. با توجه به این موضوع پیش بینی خشک سالی نقش مهمی در برنامه ریزی و مدیریت منابع آب ایفا می نماید. روش ها و شاخص های مختلفی توسط پژوهشگران در نقاط مختلف کره زمین برای پیش بینی خشک سالی استفاده می گردد. یکی از شاخص های معروف خشک سالی، شاخص spi است که به طور گسترده توسط محققان مختلف در سرتاسر دنیا مورد استفاده قرار گرفته است. شبکه های عصبی ابزاری قدرتمند در مدل سازی و پیش بینی سری های زمانی غیر ایستا و غیر خطی است که در این تحقیق مورد استفاده قرار گرفته است. هدف این پژوهش محاسبه این شاخص و بررسی پیش بینی آن با استفاده از شبکه عصبی به منظور درک الگوهای خشک سالی و پیامدهای آن می باشد. در این تحقیق از داده های تعدادی ایستگاه هواشناسی سینوپتیک استان فارس، شامل شهرهای شیراز، آباده، زرقان، درودزن و لار استفاده شد. مقادیر شاخص spi در دوره های 1، 6، 12، 24، 36، 48، و 60 ماهه محاسبه گردید. به منظور پیش بینی خشک سالی در ایستگاه مورد نظر از شبکه عصبی استفاده شد. برای این کار داده ها به سه بخش آموزش 70%، آزمایش 15% و صحت سنجی 15% تقسیم گردید. از روش سعی و خطا برای تعیین پارامترهای بهینه شبکه عصبی استفاده گردید. ورودی های مدل مقادیر بارش و دما و خروجی مدل مقادیر spi در پنجره های زمانی مختلف بوده است. میانگین مقادیر mre، rmse و nsc در مرحله آزمایش به ترتیب برابر 0.287، 0.387 و 0.773 و در مرحله صحت سنجی به ترتیب برابر 0305، 0.418 و 0.742 بوده است. نتایج نشان داد که شبکه عصبی با دقت بالایی قادر به پیش بینی و مدل سازی بوده است.