چکیده:
در ایــن پــژوهش بــرای پــیش بینــی خشــک ســالی در شهرســتان شــیراز از شــبکه ی عصــبی مصــنوعی بــه عنوان یک روش کارآمد که شـبیه سـازی خشـک سـالی را براسـاس داده هـای واقعـی بـه دسـت مـی آورد، اسـتفاده گردیده است . در ابتدا بـرای تحلیـل ارتبـاط میـان خشـک سـالی بـا شـاخص هـای پیونـد از دور و عناصـر اقلیمـی در مقیــاس هــای زمــانی متفــاوت از روش همبســتگی اســتفاده گردیــد. بــا اســتفاده از روش همبســتگی مناسـب تـرین متغیرهـا در مقیـاس زمـانی انتخـاب شـد. در مرحلـه ی بعـدی بـا اسـتفاده از مـدل شـبکه هـای عصـبی مصـنوعی پرسـپترون چنـد لایـه و متغیرهـای چـون شـاخص هـای پیونـد از دور و عناصـر اقلیمـی مـوثر بــه عنــوان ورودی شــبکه عصــبی و مقــادیر شــاخص خشــک ســالی SPI کــه نمــایش کمــی خشــک ســالی می باشد، به عنـوان خروجـی شـبکه عصـبی مصـنوعی ، اقـدام بـه پـیش بینـی خشـک سـالی هـای منطقـه شـیراز گردید. براساس نتایج بـه دسـت آمـده در پـیش بینـی پیوسـته ١ و ٣ ماهـه خشـک سـالی ، شـاخص هـای پیونـد از دور ,٤ Nino,Nino٣ ,٢+١ SW monsoon Nino و عناصــر اقلیمــی بیشــنه ی دمــا، کمینــه ی دمــا، بیشــینه ی رطوبــت نســبی ، کمینــه ی رطوبــت نســبی و بــارش ، موجــب بهبــود نتــایج مــدل هــا گردیــد. در پــیش بینــی فصــل زمســتان از میــان شــاخص هــای پیونــد از دور، شــاخص NAO زمســتانه و از میــان عناصــر اقلیمی بارش زمسـتانه ، بیشـینه رطوبـت نسـبی زمسـتانه و بیشـینه دمـا زمسـتانه ، بهتـرین نتـایج را بـا کمتـرین خطـا و بیشـترین ضـریب همبسـتگی ارائـه داده انـد. در بررسـی روش هـای الگـوریتم ژنتیـک و پرنـدگان نسـبت به الگوریتم پس انتشار نتـایج تفـاوت فاحشـی را نشـان نـداد، لـیکن در انتخـاب بهینـه تـرین سـاختار شـبکه کـه نهایتا منجر بـه کـارایی بهتـر شـبکه جهـت پـیش بینـی خشـک سـالی مـی شـود؛ روش هـای الگـوریتم ژنتیـک و پرندگان هوش جمعی کارآمد می باشد.
خلاصه ماشینی:
پیش بینی خشک سالی با استفاده از شبکه ی عصبی مصنوعی ، مطالعه ی موردی : ایستگاه شیراز محمود خسروی /، دانشیار گروه جغرافیای طبیعی و اقلیم شناسی ، دانشگاه سیستان و بلوچستان مریم نصیری ، کارشناسی ارشد اقلیم شناسی در برنامه ریزی محیطی ، دانشگاه سیستان و بلوچستان دکتر سید علی اکبر صفوی ، دانشیار مهندسی سیستم ها و کنترل ، دانشگاه شیراز نرجس پور جعفریان ، کارشناسی ارشد برق کنترل ، دانشگاه شیراز چکیده در ایــن پــژوهش بــرای پــیش بینــی خشــک ســالی در شهرســتان شــیراز از شــبکه ی عصــبی مصــنوعی بــه عنوان یک روش کارآمد که شـبیه سـازی خشـک سـالی را براسـاس داده هـای واقعـی بـه دسـت مـی آورد، اسـتفاده گردیده است .
جدول ١- اطلاعات آماری سری زمانی بارندگی سالیانه ایستگاه سینوپتیک شیراز (٢٠٠٧-١٩٥١) {مراجعه شود به فایل جدول الحاقی} ۱ - Aksoy ۲ - Dahamsheh 3- Hamzacebi 4 - Skewness 5 - Kurtosis (رجوع شود به تصویر صفحه) شکل ٢- نمودار میزان بارندگی سالیانه بر حسب میلی متر در ایستگاه سینوپتیک شیراز (٢٠٠٧-١٩٥١) ٣- داده ها و روش شناسی ٣- ١- شاخص خشک سالی SPI در ابتدا شاخص بارش استاندارد شده یا SPI کـه بـه عنـوان خروجـی شـبکه ی عصـبی مصـنوعی در ایـن ۱ پژوهش به کار برده شده است ؛ برای شناسایی رخداد خشک سالی و ارزیابی شدت آن استفاده گردید.
جدول ٨ : نتایج پیش بینی خشک سالی زمستانه در شبکه ی عصبی (Feed Forward)، الگوریتم ژنتیک و پرندگان {مراجعه شود به فایل جدول الحاقی} (رجوع شود به تصویر صفحه) شکل ٧- ضرایب همبستگی مدل شماره ی ١ (الگوریتم پس انتشار) در مرحله آموزش و تست .