احمد فاتحی مرج
مهران لشنی زند
ایرج ویسکرمی
ناهید ولی زاده

خشکسالی یکی از بلایای طبیعی می باشد که خسارات زیادی به زندگی انسان و اکوسیستم های طبیعی وارد می آورد و به عنوان یک ناهنجاری اقلیمی، یکی از مخربترین پدیده های آب و هوایی محسوب می گردد و تقریبا در همه رژیم های اقلیمی دیده می شود. این پدیده خزنده ی طبیعی پیامدهای زیانبار و پرهزینه ای را بر منطقه تحت نفوذ خود برجای می گذارد. با توجه به قرار گرفتن ایران در کمربند خشک و نیمه خشک دنیا هیچ منطقه ای 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. با توجه به پیشرفت تکنولوژی و افزایش روز افزون تولید داده ها بایستی مدلهای ایجاد کرد که بتواند این گونه پدیده ها را قبل از وقوع پیش بینی کند. در این صورت می توان خسارات ناشی از آن را به حداقل کاهش داد. پیش بینی طولانی مدت خشکسالی (فصول آینده) نیز از مواردی است که در مدیریت منابع آب از اهمیت خاصی برخوردار است که در این تحقیق به آن پرداخته می شود. یکی از مواردی که تا کنون باعث شده است تا نتوان مدیریت کارامد در خشکسالی ها بکار گرفته شود عدم پیش بینی طولانی مدت خشکسالی بوده است از آنجا که کشور از تنوع آب و هوایی متفاوتی برخوردار است وقوع خشکسالی ها نیز در هر منطقه متفاوت است. هدف از این تحقیق شبیه سازی و پیش بینی بارش و جریان رودخانه ها (خشک سالی هواشناسی وهیدرولوژیکی) در جنوب غرب 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. در این تحقیق ابتدا موثرترین سیگنال های بزرگ مقیاس انتخاب و سیگنال های با ضریب همبستگی پایین حذف شدند. در ادامه از روش شبکه عصبی مصنوعی برای شبیهصسازی استفاده شد. نتایج حاصل حاکی از آن است که بارش شش ماهه اول سال آبی ‮‭89-90‬ نسبت به میانگین ‮‭50‬ ساله شش ماهه اول‮‭20‬ درصد کاهش و نسبت به شش ماهه مشابه سال قبل 4 درصد کاهش نشان می دهد. 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 جنوب غرب کشور از نظر اقلیمی شده است. واژگان کلیدی: سیگنال بزرگ مقیاس اقلیمی، شبکه عصبی، جریان رودخانه، بارش، شبیه سازی، پیش بینی