پيش‌بيني شاخص‌ خشكسالي SPI با استفاده از شبكه عصبي مصنوعي (مطالعه موردي منطقه كيش)

Prediction of SPI drought index using artificial neural network (case study of Kish region)

خشكسالي نتيجه تعامل بين چرخه آب در طبيعت و محيط زيست است كه به عنوان مخاطره اي براي حيات گونه هاي زيستي محصوب مي‌گردد. با توجه به افزايش مصرف آب ناشي از رشد جمعيت و كمبود منابع آبي، تخمين و پيش‌بيني خشكسالي مي‌تواند، مديريت پايدار منابع آب را تضمين كند. در سال‌هاي اخير روش هاي مدل‌سازي مبتني بر شبكه عصبي مصنوعي و الگوريتم‌هاي ژنتيك، در علوم مهندسي آب مورد توجه قرار گرفته است. در اين مقاله شاخص خشكسالي براي ايستگاه سينوپتيك كيش با دوره آماري 42 ساله استفاده گرديد. شدت خشكسالي در دوره ماهانه با استفاده از شاخص بارندگي استاندارد شده (SPI) تعيين شد. سپس توانايي هوش مصنوعي در پيش‌بيني شاخص خشكسالي بارش استاندارد شده (SPI) در منطقه مورد مطالعه مورد ارزيابي قرار گرفت. از بين داده‌ها، 70 درصد داده‌ها به عنوان داده‌هاي آموزش و مابقي به عنوان داده‌هاي اعتبار‌سنجي و داده‌هاي آزمون انتخاب گرديد. جهت تخمين مقدار شاخص خشكسالي (SPI) براي ايستگاه‏ سينوپتيك منطقه كيش در دوره‏ي 12 ماهه با روش شبكۀ عصبي پروسپترون چند‌لايه استفاده شد. در اين مقاله در سال‌هاي2025، 2033 و 2042 ترسالي متوسط و در سال هاي 2039 و 2040 ترسالي شديد و در سال‌هاي2027 و 2032 خشكسالي متوسط و در سال 2043 خشكسالي شديد پيش‌بيني شد.