پیش بینی خشک سالی با استفاده از سیگنال های بزرگ مقیاس اقلیمی و شبکه های عصبی

خشکسالی یکی از بلایای طبیعی می باشد که خسارات زیادی به زندگی انسان و اکوسیستمهای طبیعی وارد میص آورد و به عنوان یک ناهنجاری اقلیمی، یکی از مخربترین پدیده های آب و هوایی محسوب می گردد و تقریبا در همه رژیمصهای اقلیمی دیده می شود. این پدیده خزندهصی طبیعی پیامدهای زیانبار و پرهزینه ای را بر منطقه تحت نفوذ خود برجای میصگذارد. با توجه به قرار گرفتن ایران در کمربند خشک و نیمه خشک دنیا هیچ منطقهصای از کشور از این پدیده در امان نیست و به نسبت موقعیت طبیعی خود تاثیرات این پدیده مخرب را تجربه می نماید. لذا بروز خشکسالی های شدید و گسترده در کشور ممکن است آسیب های بسیاری را هر ساله بر پیکره اقتصادی بخشی از کشور تحمیل کند. راهکارهای مهم برای کاهش خسارات ناشی از خشکسالی شناخت صحیح این پدیده است. تا کنون تحقیقات بسیاری در ایران و جهان درارتباط با تغییر اقلیم و پایش خشکسالی صورت گرفته است. البته سابقه تحقیقات در ایران در مقایسه با کشورهای دیگر کمتر و آن هم در سطوح آکادمیک و دانشگاهی بوده است. مطالعات حاضر به منظور به کار بردن روشی تازه و نو در کاربرد شبکه عصبی و استفاده از داده هایی که در فاصله دور از ما اندازه گیری و به طور منظم ثبت می شوند می باشند. این تحقیق سرآغاز فصلی تازه در شبیه سازی و پیش بینی طولانی مدت بارش و جریان رود خانه بعنوان دو نوع از خشکسالی ها توسط مدل های ریاضی می باشد. هدف از این تحقیق شبیه سازی و پیش بینی بارش و جریان رودخانه ها (خشک سالی هواشناسی وهیدرولوژیکی) در نواحی مختلف ایران با استفاده از سیگنال های بزرگ مقیاس اقلیمی و شبکه عصبی مصنوعی برای طولانی مدت است. مدل مورد استفاده در این شبیه سازی شبکه های عصبی است که بعنوان هسته مرکزی یک سیستم مدل سازی در نظر گرفته شده است. قبل از ورود داده های شبیه ساز به مدل شبکه عصبی یک سیستم و شبکه فیلترینگ ‭MIMO‬، ‭MISO‬، ‭SISO ‬با پیچیدگی بالا جهت تحلیل و انتخاب بهترین ترکیب در ساخت داده های ورودی به شبکه عصبی طراحی و ساخته شد. هدف از طراحی این شبکه فیلترینگ تولید سیگنال های سفید از ترکیب سیگنال های بزرگ مقیاس اقلیمی است. سیگنال های سفید تولید شده بعنوان ورودی مدل شبکه عصبی در مدل سازی بکار می رود. نتیجه نهایی این تحقیق منجر به تولید مدل شبکه عصبی با توان بسیار بالا در شبیه سازی بارش و جریان رودخانه ها با نتایج بسیار مطلوب در شهرستان های کرمان و بم از نظر اقلیمی شده است. واژگان کلیدی: بارش، پیش بینی سیگنال اقلیمی، جریان رودخانه، شبکه عصبی، شبیه سازی.