کاربرد شبکه عصبی مصنوعی در پیش بینی و شبیه سازی شاخص اقلیمی خشک سالی هواشناسی دهک بارش (مطالعه موردی: استان سیستان و بلوچستان)

محدودیت منابع آب ناشی از خشک سالی های متوالی، از مهم ترین معضلات استان سیستان و بلوچستان است.در این پژوهش برای پیش بینی سیکل خشک سالی در 9 ایستگاه هواشناسی استان سیستان و بلوچستان از شبکه عصبی مصنوعی استفاده شد. داده های مورد استفاده ورودی شبکه شامل بارش سالانه و شاخص دهک بارش (DPI) ایستگاه ها است که از سال 1350 تا 1379 برای آموزش مدل و از سال 1380 تا 1387 برای اعتبارسنجی شبکه است. شبکه مورد استفاده از نوع پرسپترون چندلایه بود و از الگوریتم پس انتشار خطا و تابع محرک سیگموئید استفاده شد. تعداد نرون های لایه ها بر اساس کمترین میزان خطا محاسبه شد و به صورت ساختار لایه 1-10-1 است. سپس، عمل پیش بینی خشک سالی توسط الگوریتم آموزش دیده شده توسط شبکه عصبی مصنوعی و بدون استفاده از داده های واقعی و مشاهداتی برای سال های 1388 تا 1391 صورت گرفت. نتایج نشان داد شبکه عصبی مصنوعی با همبستگی 97% و میانگین خطای (RMSE) کمتر از 5% قادر به پیش بینی شاخص خشک سالی بر اساس دهک بارش است. نتایج پیش بینی شاخص خشک سالی دهک بارش نشان دهنده این مطلب بود که خشک سالی در طی سال های 1388 1391 به طور کلی روند افزایشی داشته است. از این رو، با استفاده از این روش می توان وضعیت خشک سالی را در سال های آتی و بدون استفاده از آمار هواشناسی پیش بینی کرد و در مدیریت و بهره وری منابع آب و نیز مدیریت خشک سالی و تغییرات اقلیمی از این روش بهره جست.