پیش بینی خشکسالی با استفاده از شبکه های عصبی تاخیر زمانی مطالع ه موردی: دشت تبریز

چکیده مقاله

خشکسالی یک رخداد نادر طبیعی نیست و یکی از خصوصیات اقلیمی به شمار می آید خشکسالی در صورت ادامه به مدت چندین ماه و یا سال می تواند مناطق وسیعی را تحت تاثیر قرار دهد و موجب صدمات بسیار زیاد اجتماعی، تخریب محیط زیست و خسارات اقتصادی گردد پیش بینی خشکسالی می تواند ما را در جلوگیری از بروز این مشکلات یاری نماید شاخص های خشکسالی که معمولاً به صورت یک عدد منفرد بیان می شوند برای ایجاد قدرت تصمیم گیری بهتر توسط برنامه ریزان و طراحان استفاده می شوند شاخص شدت خشکسالی پالمر PDSI که به طور وسیعی توسط وزارت کشاورزی امریکا مورد استفاده قرار گرفته است، بر مقادیر دما و بارش و همچنین رطوبت خاک استوار می باشد در تحقیق حاضر برای پیش بینی شاخص شدت خشکسالی پالمر در منطقه دشت تبریز از یک شبکه عصبی تاخیر زمانی استفاده شده است مدل ارایه شده قادر است با استفاده از مقادیر PDSI در ماه های قبل، مقدار آن را در ماه آینده با دقت بسیار زیادی فرمول داخل متن تخمین بزند همچنین این مدل قادر است تخمین بسیار مناسبی برای داده هایی که هرگز در آموزش شبکه بکار نرفته اند ارائه نماید

کلیدواژه‌ها

نویسندگان

حبیب صیادی

دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه تبریز

احد فعالیان

دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه تبریز

علی اشرف صدرالدینی

استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

�یادی، حبیب و فعالیان، احد و اشرف صدرالدینی، علی،1387،پیش بینی خشکسالی با استفاده از شبکه های عصبی تاخیر زمانی مطالع ه موردی: دشت تبریز،سومین کنفرانس مدیریت منابع آب،تبریز

ارائه‌شده در

مجموعه مقالات سومین کنفرانس مدیریت منابع آب23 مهر 1387 · تبریز