شبیه سازی خشکسالی هواشناسی با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی: شمال غرب ایران)

خشکسالی یکی از مخرب ترین بلایای طبیعی در جوامع بشری محسوب می شود که می تواند تاثیرات جبران ناپذیر کشاورزی، زیست محیطی، اجتماعی و اقتصادی به همراه داشته باشد. در این پژوهش، به منظور شبیه سازی شدت خشکسالی در طول دوره آماری 37 ساله در 21 ایستگاه باران سنجی واقع در ناحیه نیمه خشک سرد شمال غربی ایران از شبکه عصبی مصنوعی بهره گرفته شد. داده های ورودی به شبکه شامل میانگین بارش سالیانه و نیز شاخص دهک بارش سالیانه بوده که 80% داده ها برای آموزش شبکه و20% باقیمانده برای تست و اعتبار سنجی شبکه انتخاب گردید. سپس عمل پیش بینی خشکسالی توسط الگوریتم آموزش دیده شده در شبکه عصبی مصنوعی و بدون استفاده از داده های واقعی و مشاهداتی صورت گرفت. معماری مطلوب شبکه به صورت مدل پرسپترون با سه لایه پنهان، الگوی پس انتشار خطا و تابع محرک سیگموئید به همراه 10 نرون در لایه میانی انتخاب گردید. نتایج حاصله نشان داد که شبکه عصبی مصنوعی به خوبی قادر به پیش بینی روابط غیر خطی بارش و خشکسالی بوده بطوریکه با همبستگی بیشتر از 97% و خطای کمتر از 5% مقادیر شاخص دهک بارش را پیش بینی نموده و نتایج حاصل از این پیش بینی بطور زیادی منطبق با مقادیر واقعی می باشد. نتایج نشان داد که شبکه عصبی مصنوعی در پیش بینی خشکسالی در اقلیم نیمه خشک سرد شمال غربی ایران از توانمندی بالایی برخوردار بوده و می تواند به عنوان گزینه ای سودمند مورد توجه و بررسی قرار گیرد و هم در پیش بینی های کوتاه مدت و هم بلند مدت کاربرد زیادی داشته و می توان از نتایج حاصل از آن در بهره برداری و مدیریت منابع آب، مطالعات زیست محیطی، مدیریت خشکسالی و تغییرات اقلیمی بهره جست.

کلیدواژه ها:

پیش بینی ، خشکسالی ، شبکه عصبی مصنوعی ، شبیه سازی ، شمال غرب ایران