تخمین خشکسالی با نمایه‌های SPI و EDI با استفاده از شبکه عصبی مصنوعی- فازی بهینه شده با الگوریتم بهینه سازی ازدحام ذرات (مطالعه موردی: استان کهگیلویه و بویراحمد)
محورهای موضوعی : مقالات تحلیلی جغرافیایی و محيطيمهدی ملک محمودی 1 , مهدی کماسی 2 , جعفر جعفری اصل 3 , سیما اوحدی 4
1 - دانش آموخته کارشناسی ارشد مهندسی عمران- مدیریت منابع آب، دانشکده فنی و مهندسی، دانشگاه یاسوج، یاسوج، ایران.
2 - استادیار گروه مهندسی عمران، دانشگاه آیت الله بروجردی
3 - دانشجوی دکتری مهندسی عمران-مدیریت منابع آب، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران.
4 - دانشجوی دکتری مهندسی عمران-مدیریت منابع آب، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران.
کلید واژه: خشکسالی, کهگیلویه و بویراحمد, الگوریتم ازدحام ذرات, شبکه عصبی_ فازی تطبیقی, نمایه‌های EDI و SPI,
چکیده مقاله :
خشکسالی یکی از اصلی‌ترین و قدیمی‌ترین بلای طبیعی است که عواقب زیست محیطی مهمی را به در پی دارد. در واقع میزان خشکسالی مقایسه نسبی بین میزان بارندگی هر منطقه در آن سال با میانگین بارندگی در سال های گذشته می باشد. استان کهگیلویه و بویراحمدگر چه از نظر میزان بارش دارای جایگاه سوم در کشور می باشد اما خشکسالی‌ها به‌طور متناوب این استان را تحت تاثیر قرار داده و خسارات جبران ناپذیری را به دنبال دارند. استفاده از نمایه‌های اندازه‌گیری ﺧﺸﮑﺴﺎﻟﻲ ﺑﺮﺍﻱ پایش ﻭ ﺍﺭﺯﻳﺎﺑﻲ ﻣﮑـﺎﻧﻲ ﻭ ﺯﻣـﺎﻧﻲ ﺍﻳـﻦ ﭘﺪﻳـﺪﻩ به جهتش ﻣﺪﻳﺮﻳﺖ ﺑﺤﺮﺍﻥ ﺁﻥ ضروری ﻭ ﺣﻴﺎﺗﻲ ﺑﻪ ﻧﻈﺮ می‌رسد. ﺩﺭ ﺍﻳﻦ پژوهش ﺍﺯ شبکه‌های عصبی مصنوعی (ANN) و مدل ﻋﺼﺒﻲ ﻓﺎﺯﻱ تطبیقی (ANFIS) ﺑﺮﺍﻱ پیش‌بینی ﺧﺸﮑﺴﺎﻟﻲ ﺑﺎ ﻧﻤﺎﻳـﻪ ﺑـﺎﺭﺵ استاندارد (SPI) و نمایه خشکسالی موثر (EDI) اﺳﺘﻔﺎﺩﻩ گردیده است بر اساس مطالعات نمایه های SPI و EDI قابلیت بیشتری در پیش بینی ﻧﺴﺒﺖ ﺑﻪ ﻧﻤﺎﻳﻪ ﻫﺎﻳﻲ ﭼﻮﻥ ﭘﺎﻟﻤﺮ، ﭘﺎﻟﻔﻲ ﻭ ﺩﻳﮕﺮ ﻧﻤﺎﻳﻪ ﻫﺎ ﺩﺍﺭند. نتایج این پژوهش حاکی از آن است که نمایه SPI قابلیت و دقت بالاتری نسبت به نمایه EDI در پیش بینی خشکسالی دارد و از طرفی مدل شبکه عصبی- فازی تطبیقی بهینه‌شده (PSO-ANFIS) جهت پیش بینی خشکسالی از کارایی بالایی برخوردار است. نتایج نشان می دهد که بهینه شده موجب افزایش دقت مدلسازی در مرحله صحت‌سنجی و واسنجی شده است همچنین مدل با ضریب واسنجی 97/0 و ضریب صحت سنجی 86/0 بهترین مدل می باشد.
