استفاده از شبکه عصبی مصنوعی در پیش بینی شاخص خشکسالی بارش استاندارد شده در استان فارس

چکیده مقاله

پیش بینی خشکسالی نقش مهمی در برنامه ریزی و مدیریت سیستم های منابع آب دارد نمایه بارش استاندارد شده SPI یکی از رایجترین نمایه های خشکسالی است که در مقیاس های زمانی مختلف قابل محاسبه می باشد در این پژوهش با استفاده از داده های بارندگی ماهانه ایستگاه های منتخب استان فارس نمایه SPI ماهانه محاسبه گردید در گام بعد اطلاعات SPI محاسبه شده توسط نرم افزار Qnet2000 برای پیش بینی نمایه SPI استفاده شد ساختار منتخب برای شبکه عصبی با سعی و خطا برای ایستگاه های مختلف پیدا شد، بطوریکه داده های ورودی مدل شبکه عصبی بصورت مقادیر ماهانه بارندگی از ماه جاری تا شش ماه قبل و نمایه SPI از یک تا شش ماه قبل در نظر گرفته شدند نتایج نشان داد که شبکه عصبی از دقت بالایی برخوردار است چنانکه ضرایب همبستگی r در شرایط بهینه به ترتیب برابر 0/943، 0/93، 0/935، 0/954 و 0/51 برای ایستگاه های سینوپتیک شیراز، آباده، زرقان، سد درودزن و فسا در مرحله صحت سنجی حاصل شده است

کلیدواژه‌ها

نویسندگان

فرشید صف شکن

دانشجوی دکتری مهندسی منابع آب دانشکده علوم آب دانشگاه شهید چمران اهواز

فریدون رادمنش

استادیار گروه مهندسی منابع آب دانشکده علوم آب دانشگاه شهید چمران اهواز

�ف شکن، فرشید و رادمنش، فریدون،1393،استفاده از شبکه عصبی مصنوعی در پیش بینی شاخص خشکسالی بارش استاندارد شده در استان فارس،دومین همایش ملی بحران آب (تغییر اقلیم، آب و محیط زیست)،شهرکرد

ارائه‌شده در

مجموعه مقالات دومین همایش ملی بحران آب (تغییر اقلیم، آب و محیط زیست)18 شهریور 1393 · شهرکرد