نام پژوهشگر: محمد واقف قزوینیان
محمد واقف قزوینیان یوسف حسن زاده
خشکسالی به عنوان یک حادثه ناگوار طبیعی، در اثر تغییر اقلیم پدیدار میگردد و جوامع را به طور مستقیم و غیرمستقیم، از طریق تغییرات در دسترسی به منابع آب تحت تاثیر قرار می دهد. درصورتیکه خشکسالی به مدت طولانی ادامه پیدا کند، آثار نامطلوبی را در محیط زیست و زندگی انسانها بر جای می گذارد. یکی از راهکارهای کاهش آثار مخرب پدیده خشکسالی، پیش بینی رخداد آن در آینده می باشد که نقش بسیار مهمی را در مدیریت بحران خشکسالی و سیستم های منابع آب ایفا می کند. از روش های موثر جهت پیش بینی فرآیندهای هیدرولوژیکی به ویژه پدیده خشکسالی، استفاده از شبکه-های عصبی مصنوعی می باشد که طی دهه های اخیر، به طور گسترده جهت پیش بینی و مدلسازی فرآیندهای مختلف بکار رفته است. در این تحقیق سعی شده است که جهت پیش بینی شاخص بارندگی استاندارد شده (spi)، از مدل های مختلف شبکه های عصبی مصنوعی استفاده شود. بنابراین برای انجام اینکار از داده های هواشناسی مختلفی همچون بارش، سرعت باد، رطوبت، ساعات آفتابی و همچنین اطلاعات خود شاخص در ماه های قبل بهره گرفته شده و در نهایت این نتیجه برداشت می شود که استفاده توامان از ورودیهای فوق در شبکه های عصبی مصنوعی، سبب بهبود نتایج حاصل از پیش بینی شاخص بارندگی استاندارد شده در بازه های زمانی مختلف می شود.