فاطمه مقصود؛ محمدرضا یزدانی؛ محمد رحیمی؛ آرش ملکیان؛ علی اصغر ذوالفقاری
چکیده
خشکسالی در نگاهی کلی معلول یک دورۀ شرایط خشک غیرعادی است که به اندازۀ کافی دوام داشته و سبب عدم تعادل در وضعیت هیدرولوژیک یک ناحیه همچون افت منابع آب سطحی و زیرزمینی می‌گردد. هدف از این تحقیق مدلسازی پیش‌بینی خشکسالی هواشناسی در سه مقیاس زمانی کوتاهمدت، میانمدت و بلندمدت در ایستگاه بارانسنجی واقع در دشت جنوبی استان قزوین، ...
بیشتر
خشکسالی در نگاهی کلی معلول یک دورۀ شرایط خشک غیرعادی است که به اندازۀ کافی دوام داشته و سبب عدم تعادل در وضعیت هیدرولوژیک یک ناحیه همچون افت منابع آب سطحی و زیرزمینی می‌گردد. هدف از این تحقیق مدلسازی پیش‌بینی خشکسالی هواشناسی در سه مقیاس زمانی کوتاهمدت، میانمدت و بلندمدت در ایستگاه بارانسنجی واقع در دشت جنوبی استان قزوین، با استفاده از شبکۀ عصبی پرسپترون چندلایه و با در نظر گرفتن پارامترها و سیگنال‌های اقلیمی می‌باشد. بدین منظور سه سناریوی مختلف بهعنوان ورودی‌های مدل، مورد آزمون قرار گرفت. پس از تعیین متغیرهای ورودی با روش همبستگی متقاطع اقدام به تعیین ترکیب بهینۀ متغیرها با استفاده از آزمون گاما گردید. نتایج نشان داد که با افزایش مقیاس زمانی از کوتاهمدت به بلندمدت، تأثیر سیگنال‌های اقلیمی افزایش و در عوض تأثیر پارامترهای هواشناسی کمتر می‌شود. همچنین مؤثرترین سیگنال اقلیمی و پارامتر هواشناسی در هر مقیاس، به ترتیب MEI (شاخص چندمتغیرۀ النینو- نوسانات جنوبی) و بارندگی معرفی گردیدند. جهت مدلسازی از شبکۀ عصبی با یک لایۀ مخفی با تعداد کافی نرون، با تابع سیگموئید در لایۀ میانی و تابع خطی در لایۀ خروجی استفاده شد. مناسبترین تعداد نرون در هر سناریو تعیین شد. در نهایت براساس معیارهای ارزیابی، مناسبترین ساختار شبکه در هر مقیاس زمانی و در سه سناریوی مورد بررسی تعیین گردید.
