پیش بینی خشکسالی هیدرولوژیکی با استفاده از سیگنالهای اقلیمی و شبکه عصبی مصنوعی در استان لرستان

چکیده
در اثر تغییرات آب و هوایی رخدادهای ناگوار اقلیمی مانند خشکسالی در بسیاری از نقاط کرهی
زمین تشدید شده است. در این تحقیق، از شبکههای عصبی مصنوعی بهعنوان ابزاری توانمند در
مدل سازی فرآیندهای غیرخطی و نامعین، بهمنظور پیشبینی سیکل خشکسالی هیدرولوژیکی در 8
ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان لرستان که دارای 04 سال آمار ماهانه هستند،
استفاده شد. جهت این امر ابتدا با استفاده از آمار دبی ماهانه ایستگاههای هیدرومتری، شاخص 
خشکسالی هیدرولوژیکی SDI محاسبه شد. در این تحقیق جهت مدلسازی خشکسالی 
هیدرولوژیکی، سیگنالهای اقلیمی بزرگ مقیاس بهعنوان ورودی مدل و شاخص خشکسالی SDI
بهعنوان خروجی مدل در نظر گرفته شد. برای مدلسازی 04 درصد دادهها بهعنوان دادههای
مرحله آموزش، 31 درصد بهعنوان دادههای آزمایش و 31 درصد دادهها برای صحتسنجی مدل 
در نظر گرفته شد. شبکههای مورد استفاده از نوع پس انتشار و تابع فعال سیگموئیدی با الگوریتم
پس انتشار خطا میباشند. نتایج این تحقیق نشان داد که مدل شبکه عصبی مصنوعی با دقت خوبی 
قادر به پیشبینی خشکسالی هیدرولوژیکی میباشد. مدل تهیه شده در ایستگاههای دره تخت و 
ونایی به ترتیب با ضریب تبیین 88 و 00/8 درصد دارای بیشترین و کمترین ضریب تبیین بودند. 
عالوه بر این تحلیل حساسیت مدلهای تهیه شده نشان داد که سیگنال اقلیمی TSA بیشترین تأثیر 
را در وقوع خشکسالی هیدرولوژیکی استان لرستان دارد. مقایسه نتایج مدل شبکهی عصبی و داده-
های مشاهداتی بر دقت و توانایی شبکهی عصبی در پیشبینی خشکسالی هیدرولوژیکی همه 
ایستگاههای مورد مطالعه در استان لرستان داللت دارد

در فایل موجود است