پیش بینی خشک سالی با استفاده از سیگنال های بزرگ مقیاس اقلیمی و شبکه های عصبی

تحقیقات بسیاری در ایران و جهان در رابطه با تغییر اقلیم و پایش خشکسالی صورت گرفته است. سابقه تحقیقات در ایران در مقایسه با کشورهای دیگر کمتر بوده و بیشتر در سطح شبیه سازی و پیش بینی بارش و جریان رودخانه ها با استفاده از داده های محلی بوده است. استفاده از سیگنال های بزرگ مقیاس سابقه بسیار محدود در تحقیقات کشور ما داشته و اغلب نیز در سطح مناسب علمی و کابردی نمی باشند. مطالعات حاضر به منظور به کار بردن روشی تازه و نو در کاربرد شبکه عصبی و استفاده از داده هایی که در فاصله دور از ما اندازه گیری و به طور منظم ثبت می شوند می باشند. هدف از این تحقیق شبیه سازی و پیش بینی بارش و جریان رودخانه ها (خشک سالی هواشناسی وهیدرولوژیکی) در شمال ایران با استفاده از سیگنال های بزرگ مقیاس اقلیمی و شبکه عصبی مصنوعی برای طولانی مدت است. مدل مورد استفاده در این شبیه سازی شبکه های عصبی است که بعنوان هسته مرکزی یک سیستم مدل سازی در نظر گرفته شده است. قبل از ورود داده های شبیه ساز به مدل شبکه عصبی یک سیستم و شبکه فیلترینگ ‭MIMO‬، ‭MISO‬، ‭SISO ‬با پیچیدگی بالا جهت تحلیل و انتخاب بهترین ترکیب در ساخت داده های ورودی به شبکه عصبی طراحی و ساخته شد. هدف از طراحی این شبکه فیلترینگ تولید سیگنال های سفید از ترکیب سیگنال های بزرگ مقیاس اقلیمی است. سیگنال های سفید تولید شده بعنوان ورودی مدل شبکه عصبی در مدل سازی بکار می رود. نتیجه نهایی این تحقیق منجر به تولید مدل شبکه عصبی با توان بسیار بالا در شبیه سازی بارش با نتایج بسیار مطلوب در شمال ایران از نظر اقلیمی شده است. بررسی وضعیت خشکسالی بر اساس شاخص استاندارد بارش نشان داد که ایستگاههای مورد مطالعه در منطقه شمال کشور از نظر ویژگی های خشکسالی شرایط تقریبا یکسانی دارند. دو مورد خشکسالی بسیار شدید در دو ایستگاه منطقه مورد مطالعه در طی دوره آماری ‮‭1968-2008‬ مشاهده می گرد. نتایج پیش بینی بارش برای منطقه 2 برای زمستان سال ‮‭2008‬ نشان داد که در کل منطقه ،2 بارش نزدیک به نرمال با گرایش نسبتا کمی به سمت کاهش از حد نرمال می باشد. واژگان کلیدی: سیگنال بزرگ مقیاس اقلیمی، شبکه عصبی، جریان رودخانه، بارش، شبیه سازی، پیش بینی، شمال ایران