TY - JOUR T1 - TT - ارزیابی و پیش بینی خشکسالی های غرب و شمال غرب ایران با استفاده از شبکه عصبی مصنوعی JF - lu-gsma JO - lu-gsma VL - 3 IS - 2 UR - http://gsma.lu.ac.ir/article-1-317-fa.html Y1 - 2022 SP - 19 EP - 37 N2 - خشکسالی به‌عنوان مخاطره­ای اقلیمی، تأثیر بسزایی بر محیط‌زیست و به تبع آن انسان و سایر موجودات زنده دارد. ازاین‌رو پایش و پیش­بینی این پدیده امری لازم و ضروری می‌باشد. در این پژوهش با هدف بررسی و ارزیابی پیش­بینی خشکسالی در نیمه غربی کشور از شاخص خشکسالی استاندارد شدۀ چند متغیره (MSDI) و روش­های مبتنی بر هوش مصنوعی استفاده شده است. جهت پیش‌بینی مقادیر این شاخص در محدوده مطالعاتی، از داده­های ماهانه بارش و رطوبت خاک پایگاه داده MERRA طی دوره 36 ساله (1980-2016) به‌عنوان ورودی و مقادیر محاسبه شده MSDI بعنوان خروجی بهره برده شد. نتایج تحلیل خشکسالی ماهانه براساس این داده­ها نشان داد که شدیدترین خشکسالی در منطقه مورد مطالعه حد فاصل ماه­های مارس تا اکتبر به وقوع پیوسته و کانون اصلی وقوع این پدیده، استان­های لرستان و خصوصاً ایلام و کرمانشاه می­باشند. این نتایج با بررسی نقشه­های فصلی و سالانه نیز مطابقت دارد. طبق طبقه­بندی شاخص MSDI، خشکسالی شدید در منطقه مورد مطالعه ثبت نشده است و خشکسالی­ها در طبقه متوسط قرار داشتند. نتایج حاصل از مدل‌سازی شبکه­های عصبی مصنوعی نیز نشان داد که استفاده از شبکه­های عصبی مصنوعی به‌طور کلی از توانایی شبیه­سازی مناسبی برخوردار می­باشند. از بین الگوریتم­های استفاده‌شده جهت بهینه­سازی شبکۀ عصبی مصنوعی، الگوریتم ژنتیک، بهترین عملکرد را نسبت به سایر روش‌ها در پیش­بینی خشکسالی‌ها دارا می­باشد. M3 Doi:10.52547/gsma.3.2.19 ER -