ارزیابی سیگنالهای بزرگ مقیاس و دمای سطوح آبی خلیج فارس و دریای سرخ در پیش بینی خشکسالی توسط شبکه عصبی مصنوعی در استان خوزستان

خشکسالی یک پدیده نرمال اقلیمی است و وقوع آن اجتناب ناپذیر است پیش بینی خشکسالی می تواند نقش مهم ید ر مدیریت منابع آبی و بهره برداری بهینه از آنها ایفا کند هدف اصلی این تحقیق بررسی امکان استفاده از سیگنالهای بزرگ مقیاس اقلیمی و دمای سطوح ابی خلیج فارس و دریای سرخ در پیش بینی خشکسالی توسط شبکه عصبی مصنوعی در ایستگاه اهواز می باشد شبکه ای از نوع پرسپترون چند لایه برای بازیابی نگاشت غیرخطی میان سیگنالهای بزرگ مقیاس NAO,PDO,PNA,MEI,SOI دمای سطوح ابی خلیج فارس و دریای سرخ و خشکسالی ماهانه SPI طراحی و پیش بینی ها توسط 10 مدل برای دوره های یک تا 24 ماهه با فواصل سه ماهه انجام شد که سیگنالهای مذکور اطلاعات بارندگی و سری زمانی گذشته خود شاخصها به عنوان ورودی و شاخص SPI به عنوان خروجی مدلها تعریف شدند. نتایج نشان داد که سیگنالهای SOI,NAO,PDO,PNA,MEI قابلیت پیش بینی خشکسالی را ندارند و دمای سطوح آبی نیز در برخی دوره ها 1 ، 6 ، 12 ، 18 ، و 24 ماهه عملکرد خوبی ا زخود نشان دادند.

کلیدواژه ها:

سیگنالهای بزرگ مقیاس ، شبکه عصبی مصنوعی ، شاخص خشکسالی SPI ، پیش بینی خشکسالی ، خوزستان