پیش بینی خشکسالی هیدرولوژیکی با استفاده از شبکه های عصبی مصنوعی

چکیده مقاله

خشکسالی جزء بلایای طبیعی محسوب می شود که در اثر تغییر الگوهای آب و هوایی ناشی از کاهش نزولات جوی کمتر از حد معمول، به وجود می آید و ادامه آن موجب عدم تعادل اکولوژیکی و هیدرولوژیکی می شود 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 در این تحقیق کارایی شبکه های عصبی تاخیر زمانی در پیش بینی خشکسالی هیدرولوژیکی شاخص استاندارد شده بارندگی Z در منطقه همدان مورد ارزیابی قرار گرفته است برای انتخاب بهترین مدل از معیارهای ضریب همبستگی، جذر میانگین مربع خطا و میانگین خطای مطلق استفاده شده است نتایج این تحقیق بیانگر کارایی بالای مدل تاخیر زمانی در پیش بینی خشکسالی می باشد شایان ذکر است که مقادیر ضریب همبستگی، جذر میانگین مربع خطا و میانگین خطای مطلق در فصل زمستان به ترتیب برابر 9/0، 17/0 و 22/0 می باشد لذا با پیش بینی خشکسالی ها می توان راهکارهای اساسی و مدیریتی موثر در جهت کاهش اثرات بحران ناشی از خشکسالی و حفاظت از منابع آب اعمال نمود

کلیدواژه‌ها

نویسندگان

وحید یزدانی

دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه بوعلی سینا

حسین بانژاد

استادیار گروه مهندسی آب دانشگاه بوعلی سینا

یزدانی، وحید و بانژاد، حسین،1388،پیش بینی خشکسالی هیدرولوژیکی با استفاده از شبکه های عصبی مصنوعی،دومین همایش ملی اثرات خشکسالی و راهکارهای مدیریت آن،اصفهان

ارائه‌شده در

مجموعه مقالات دومین همایش ملی اثرات خشکسالی و راهکارهای مدیریت آن25 اردیبهشت 1388 · اصفهان