تدوين شاخص تركيبي خشكسالي با استفاده از شبكه هاي عصبي

خشكسالی پدیده ای است كه وقوع آن در هر اقلیمی محتمل اسـت . انتخـاب شاخـص ی مناسـب بـرای كمی كردن خشكسا لی در هر منطقه از چالش های مهم تصمیم گیرندگان منابع آب می باشـد . از ا یـ ن رو شاخص های مختلفی توسط محققان برای تعیین شدت انواع خشكـسالی اقلیمـی SPI ، هیـدرولوژیكی ارائه شده است . اما هیچ كدام از انواع شاخص های خشكسالی تعریف شده، به (PDSI ) و زراعی SWSI ) تنهایی جنبه های مختلف اثرات خشكسالی را در برنمی گیرد . در این مقاله سعی شده تا شاخصی تركیبی بر اساس اثر اصلی خشكسالی، یعنی خسارت وارده به بخش های مختلف مصرف كننده آب، تدوین شود . در این شاخص از خسارات ناشی از وقوع خشكسالی برای تلفیق شاخص های اصلی انواع خشكسالی ها و یكسان كردن نتایج استفاده می شود . بعد از تدو ین شاخص ترك یبی خشكسال ی، با اسـتفاده از شـبكه هـا ی عصبی مصنوع ی شدت خشكسال ی پ یش بینی می گردد . شبكه هـای عـصبی مـورد اسـتفاده در ایـن مقالـه، شبكه های چندلایه پرسپترن (MLP )می باشند كه اولی به لحـاظ سـاختار خـاص خـود و دومـی جهـت مقایسه ی نتایج انتخاب شده است . این شبكه ها ابزاری كارآمد در مسائل پیش بینی و شبیه سازی هستند . با استفاده از شاخص تركیبی می توان با رویكردی دقیقتر و واقع بینانه تـر دوره هـای خشكـسالی را تعیـین نمود . نتایج هر دو شبكه قابل استفاده در پیش بینی های می زان خسارت خشكسالی هـای آتـی مـی باشـند مطالعه ی موردی این تحقیق، حوزه ی آبریزگاوخونی، در استان اصفهان می باشد .