مطهره اسفندیاری - دانشجوی دکتری بیابان زدایی، دانشکده کشاورزی و منابع طبیعی دانشگاه یزد، نویسنده مسئول:
حسین ملکی نژاد - دانشیار دانشکده کشاورزی و منابع طبیعی دانشگاه یزد
محمدعلی حکیم زاده - استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه یزد
حمیده افخمی - دانشجوی دکتری آبخیزداری،دانشکده کشاورزی و منابع طبیعی دانشگاه یزد.

پیش­بینی خشکسالی نقش بسزایی در برنامه­ریزی، مدیریت و بهره­برداری از منابع آب دارد؛ در این پژوهش برای پیش­بینی سیکل خشکسالی در ۹ ایستگاه باران سنجی استان اصفهان از شبکه عصبی مصنوعی استفاده شده است. داده ­های مورد استفاده در این تحقیق شامل بارش ماهانه و شاخص بارش استاندارد (SPI) در ایستگاه ­های منتخب، از سال ۱۹۷۲ تا ۲۰۱۰ 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 شبکه 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 ۹۶/۰ و با میانگین خطای عملکرد برابر با ۰۴/۰ بهترین عملکرد را از خود نشان داد. و ایستگاه زیار با ضریب همبستگی ۸۶/۰ و میانگین خطای ۰۸۷/۰ عملکرد پایین­تری را نسبت به سایر ایستگاه ­ها از خود نشان داده است.

شاخص بارش استاندارد, شبکه عصبی مصنوعی, خشکسالی, اصفهان