پایش و پیش بینی خشکسالی با استفاده از منطق فازی و شبکه عصبی(مطالعه موردی: استان اردبیل)

برای پایش دوره های خشک از یک مدل پایش فازی در منطق فازی بر اساس شاخص جدیدی به نام شاخص تبخیر و تعرق و بارندگی استاندارد شده (sepi) استفاده شده است. در این مدل دو تابع عضویت فازی شاخص spiو sei که عملاً نشان دهنده تاثیر کمبود بارندگی و افزایش درجه حرارت بر وقوع دوره های خشک بودند، بعنوان ورودی سیستم استنتاج فازی می باشد. خروجی مدل تابع عضویت sepi می باشد که از ترکیب دو شاخص spi و seiبر اساس پایگاه دانش سیستم استنتاج فازی که متشکل از 81 قانون می باشد، حاصل می شود. برای پیش بینی خشکسالی از مدل شبکه عصبی- فازی تطبیقی anfis استفاده شده است. این پیش بینی با استفاده از خروجی مدل فازی پایش خشکسالی صورت گرفته است. برای این منظور 70 درصد sepi در ایستگاه های مورد مطالعه به عنوان داده های آموزشی و 30 درصد آنها به عنوان داده های اعتبارسنجی مد نظر قرار گرفتند. نتایج حاصل نشان داد که طبقات شدت دوره های خشک و مرطوب ارائه شده در شاخص جدید بر اساس منطق فازی بوده که در تقابل با منطق بولین کارآئی این مدل را افزایش داده است. شاخص sepi مزایای شاخص spiرا دارا بوده و بسیاری از معایب آن را نیز رفع نموده است. پایش خشکسالی بر اساس شاخص sepi نشان داد شدت خشکسالی در ایستگاه های مورد مطالعه در استان اردبیل متفاوت از همدیگر می باشد. روند خشکسالی در استان اردبیل رو به افزایش می باشد و بیشترین درصد خشکسالی در ایستگاه پارس آباد و کمترین آن در ایستگاه خلخال مشاهده می شود. همچنین مدل anfis از توانایی قابل قبولی برای مدل سازی و پیش بینی خشکسالی در منطقه مورد مطالعه بر خوردار می باشد و با این مدل می توان خشکسالی را با اطمینان حدود 94 درصد پیش بینی نمود.