ادریس احمد ابراهیم پور - کارشناس ارشد گروه عمران -مهندسی آب ،دانشگاه آزاد اسلامی واحد مهاباد
سیدجمیل قادری - استادیار گروه مهندسی عمران- مهندسی آب،عضو هیئت علمی دانشگاه آزاد اسلامی واحد مهاباد

خشکسالی یکی از بزرگترین بلایای طبیعی است که سالانه خسارتهای زیادی را در سرتاسر جهان به جا میگذارد. اجرای برنامه های مدیریت خشکسالی، بعد از وقوع آن نقاط ضعف بسیاری دارد و نتیجه مناسبی را به همراه ندارد، بنابراین اگر بتوان خشکسالی را پیش بینی نمود باعث میشود با آمادگی بیشتر راهکارهای مناسب برای کاهش اثرات خشکسالی تعیین گردد و مدیریت آن بهبود یابد. به این منظور در این مقاله از دو روش هوش مصنوعی شامل شبکه عصبی پرسپترون چندلایه MLP سیستم استنباط عصبی- فازی تطبیقی ANFIS برای پیش بینی خشکسالی بر اساس اطلاعات بارندگی ایستگاه عبدالخان، واقع در حوضه کرخه استفاده گردید. در ابتدا شاخص خشکسالی استاندارد بارندگی برای ایستگاه عبدالخان در مقیاس زمانی 3، 6 و 12 ماهه محاسبه شد؛ پس از آن مقادیر SPI محاسبه شده به عنوان ورودی روشهای پیش بینی در نظر گرفته شد. نتایج نشان داد هر دو روش با دقت قابل قبولی خشکسالی را پیشبینی میکنند. به نحوی که برای 3 SPI6 ،SPI و 12 SPI مقدار ضریب تبیین به ترتیب برابر 0/78و0/58 و 0/47 و برای ANFIS به ترتیب برابر 0/66 و 0/66 و 0/46 به دست آمده است.

ایستگاه عبدالخان، پیشبینی خشکسالی، هوش مصنوعی.MLP ،ANFIS