محسن توکلی

خشکسالی فرایندی معلول عاملی به نام آب و هواست که از ابتدا، یکی از بزرگترین مشکلات او بوده و بنا به ضرورت، در مورد آن تحقیقاتی به عمل آورده است. از آنجایی که در چند سال گذشته در استان ایلام خشکسالی هایی اتفاق افتاده است، این تحقیق با هدف پیش بینی خشکسالی در دو ایستگاه ایلام و دهلران و همچنین ارزیابی کارایی شبکه عصبی نسبت به روشهای آماری انجام گرفته است. در این پژوهش از پارامترهای دما، بارش، درصد میانگین رطوبت نسبی، سرعت باد و مجموع ساعات آفتابی ماهانه در دوره آماری 1392-1362 به منظور محاسبه شاخص بارش استاندارد شده (SPI) و میانگین لغزان 3، 5 و 7 ساله و همچنین شبکه عصبی مصنوعی جهت پایش خشکسالی در دو ایستگاه ایلام و دهلران استفاده شده است. پس از ارزیابی با دو روش شاخص SPI و میانگین لغزان، با استفاده از الگوریتم پس انتشار و زبان برنامه نویسی سی شارپ، بعد از تعیین بهترین ترکیب ورودی و همچنین بهترین تعداد داده‌ها در آموزش شبکه، شبکه عصبی مصنوعی مدلسازی شد. معماری شبکه پس از آموزش و خطاهای مکرر به صورت (1-30- 5) بهینه شد، یعنی 5 نرون در لایه ورودی (بارش، دما، درصد رطوبت نسبی، سرعت باد، مجموع ساعات آفتابی)، 30 نرون در لایه پنهان (تعداد تکرارها به منظور کاهش خطا و آپدیت کردن وزنها جهت هماهنگی بین لایه پنهان و خروجی برنامه) و یک نرون در لایه خروجی (SPI) و به منظور بررسی عملکرد ANN در شبیه سازی عناصر اقلیمی، چهار مدل طراحی را با استفاده از توابع یادگیری مختلف و تعداد نرونهای مخفی متفاوت بررسی، و میزان خطا با استفاده از پارامترهای آماری MAE، RMSE و ²R محاسبه و مشخص گردید که برای هر دو ایستگاه الگوی تابع سیگموئید دو قطبی و آپدیت کردن وزن ها با روش ممان به عنوان مدل بهینه معرفی گردید زیرا این الگوریتم دارای کمترین خطا و بیشترین همبستگی بین داده های ورودی و خروجی برنامه را دارا بوده است. نتایج روشهای آماری و خروجی شبکه عصبی نشان داد که از سال 1376-1375 تا سال 1393 ایستگاهها وارد یک فاز خشکسالی طولانی شده اند، با اینکه ایستگاهها شاهد دوره های کوتاه ترسالی هم بوده اند. این روند تاکنون ادامه داشته است با این تفاوت که شدت خشکسالی ها در ایستگاه دهلران بیشتر بوده است و در این دوره طولانی خشکسالی، خشکسالی های کوتاه مدت 7، 5 و 3 ساله نیز اتفاق افتاده که با تعریف خشکسالی کاملاً مطابقت دارد.