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
)