شیما ترحمی - دانشگاه آزاد اسلامی واحدتربت جام گروه مهندسی آبخیزداری، تربت جام ایران
محمدرضا خالقی - دانشگاه آزاد اسلامی واحد تربت جام باشگاه پژوهشگران جوان و نخبگان، تربت جام ایران
سیدهاشم حسینی - دانشگاه آزاد اسلامی واحدتربت جام گروه مهندسی آبخیزداری، تربت جام ایران

در این پژوهش از شبکه عصبی مصنوعی به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیر خطی ونامعین، به منظور پش بینی عناصر اقلیمی در 17 ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری شهرستان نیشابور که حداقل 35 سال آمار روزانه داشتند، استفاده شد. از نرم افزار MATLAB در شاخه Neural Netwok برای پیش بینی و تجزیه و تحلیل عناصر اقلیمی کمک گرفته شد ورودی مدل ANN داده های میانگین ماهانه بارش، دبی حداقل ودمای بیشینه است که این داده ها، بازه زمانی سال های 1350 تا 1384 را در بر می گیرند./ اطلاعات 28سال برای آموزش مدل ها و 7 سال باقی مانده برای آزمایش آنها به کار رفته است. شبکه مورد استفاده از نوع پرسپترون چند لایه با الگویتم پس انتشار خطا و تکنیک یادگیری مارکوارت لونبرگ است است. ساختار شبکه عصبی با 7 گره در لایه ورودی، 3 گره در لایه پنهان و 1 گره در لایه خروجی ایجادگردید. نتایج حاصل از تحقیق حاضر، نشان می دهد که دمای بیشینه دبی و بارش، نقش مثبتی در پیش بینی بارشهای شهرستان نیشابور داشته، با کاربرد شبکه عصبی مصنوعی می توان با دقت بالای 95 درصد، سیکل خشکسالی این شهرستان را پیش بینی نمود.

پرسپترون چند لایه، پیش بینی عناصر اقلیمی، خشکسالی، دبی اوج، شبکه عصبی مصنوعی، نیشابور