پیش بینی خشکسالی با استفاده از روش های شبکه های عصبی مصنوعی و سیستم استنتاج فازی-عصبی تطبیقی در حوزه آبخیز مند استان فارس

تقاضای چشمگیر فزاینده برای مصرف آب ناشی از رشد جمعیت از یک سو، و منابع آب محدود از سوی دیگر، کمبود آب را به مسئله¬ای حیاتی در کشورمان تبدیل می¬نماید. بنابراین پیش¬بینی خشکسالی برای مدیریت مصرف بهینه آب، سیستم¬های آبیاری و مدیریت بهره¬برداری از مخازن ضروری است. در سالهای اخیر، توجه زیادی به استفاده از روش¬های هوش مصنوعی جهت مدلسازی فرآیند¬های هیدرولوژیکی دارای پیچیدگی و عدم قطعیت بالا معطوف شده است. در این پژوهش کارایی شبکه¬های عصبی مصنوعی(ann) وسیستم استنتاج عصبی- فازی تطبیقی (anfis) برای پش¬بینی خشکسالی حوزه مند براساس داده¬های ماهانه برای یک دوره آماری 33 ساله شامل بارندگی، دما و شاخص¬های خشکسالی spi و pn بطور مقایسه¬ای مورد ارزیابی قرار گرفته است. همچنین 70 درصد داده جهت آموزش و 30 درصد داده جهت آزمون مدل تعیین شد. برای ارزیابی کارایی مدل¬های ann و anfis از معیارهای آماری ضریب ناش(e)، ضریب همبستگی(r) و ریشه دوم میانگین مربعات خطا (rmse) استفاده گردید. نتایج حاصله نشان دهنده دقت بالاتر مدل ann نسبت به مدل anfis به منظور پیش¬بینی خشکسالی حوزه مند می¬باشد.