نویسندگان

• مطهره اسفندیاری ¹
• حسین ملکی نژاد ²
• محمدعلی حکیم زاده ³
• حمیده افخمی ⁴

¹ دانشجوی دکتری بیابان‌زدایی، دانشکده کشاورزی و منابع طبیعی دانشگاه یزد، نویسنده مسئول:

² دانشیار دانشکده کشاورزی و منابع طبیعی دانشگاه یزد

³ استادیار دانشکده کشاورزی و منابع طبیعی دانشگاه یزد

⁴ دانشجوی دکتری آبخیزداری،دانشکده کشاورزی و منابع طبیعی دانشگاه یزد.

چکیده

پیش­بینی خشکسالی نقش بسزایی در برنامه­ریزی، مدیریت و بهره­برداری از منابع آب دارد؛ در این پژوهش برای پیش­بینی سیکل خشکسالی در 9 ایستگاه باران سنجی استان اصفهان از شبکة عصبی مصنوعی استفاده شده است. داده‌­های مورد استفادة در این تحقیق شامل بارش ماهانه و شاخص بارش استاندارد (SPI) در ایستگاه‌­های منتخب، از سال 1972 تا 2010 میلادی می­‌باشد. به این منظور با استفاده از آمار موجود، مقادیر SPI برای یکسال بعد پیش­‌بینی گردید. نتایج نشان داد در میان مدل­‌های مختلف شبکة عصبی مصنوعی، شبکه­‌های پرسپترون در اکثر ایستگاه‌­ها با ضریب همبستگی بالایی قادر به پیش‌­بینی مقادیر SPI در زمان آتی می‌­باشد. در میان ایستگاه­‌های مورد استفاده، ایستگاه کوهپایه با بالاترین ضریب همبستگی معادل 96/0 و با میانگین خطای عملکرد برابر با 04/0 بهترین عملکرد را از خود نشان داد. و ایستگاه زیار با ضریب همبستگی 86/0 و میانگین خطای 087/0 عملکرد پایین­تری را نسبت به سایر ایستگاه‌­ها از خود نشان داده است.

کلیدواژه‌ها

• شاخص بارش استاندارد
• شبکه عصبی مصنوعی
• خشکسالی
• اصفهان