پیش‌بینی شاخص‌ خشکسالی SPI با استفاده از شبکه عصبی مصنوعی (مطالعه موردی منطقه کیش)

Abstract

خشکسالی نتیجه تعامل بین چرخه آب در طبیعت و محیط زیست است که به عنوان مخاطره¬ای برای حیات گونه¬های زیستی محصوب می‌گردد. با توجه به افزایش مصرف آب ناشی از رشد جمعیت و کمبود منابع آبی، تخمین و پیش‌بینی خشکسالی می‌تواند، مدیریت پایدار منابع آب را تضمین کند. در سال‌های اخیر روش¬های مدل‌سازی مبتنی بر شبکه عصبی مصنوعی و الگوریتم‌های ژنتیک، در علوم مهندسی آب مورد توجه قرار گرفته است. در این مقاله شاخص خشکسالی برای ایستگاه سینوپتیک کیش با دوره آماری 42 ساله استفاده گردید. شدت خشکسالی در دوره ماهانه با استفاده از شاخص بارندگی استاندارد شده (SPI) تعیین شد. سپس توانایی هوش مصنوعی در پیش‌بینی شاخص خشکسالی بارش استاندارد شده (SPI) در منطقه مورد مطالعه مورد ارزیابی قرار گرفت. از بین داده‌ها، 70 درصد داده‌ها به عنوان داده‌های آموزش و مابقی به عنوان داده‌های اعتبار‌سنجی و داده‌های آزمون انتخاب گردید. جهت تخمین مقدار شاخص خشکسالی (SPI) برای ایستگاه‏ سینوپتیک منطقه کیش در دوره‏ی 12 ماهه با روش شبکۀ عصبی پروسپترون چند‌لایه استفاده شد. در این مقاله در سال‌های2025، 2033 و 2042 ترسالی متوسط و در سال های 2039 و 2040 ترسالی شدید و در سال‌های2027 و 2032 خشکسالی متوسط و در سال 2043 خشکسالی شدید پیش‌بینی شد.