محمد کارآموز - استاد دانشکده عمران، پردیس فنی، دانشگاه تهران
کبیر رسولی - دانشجوی کارشناسی ارشد عمران – مهندسی آب، دانشگاه آزاد اسلامی واحد ع
سارا نظیف - دانشجوی دکتری عمران – مهندسی آب، پردیس فنی، دانشگاه تهران

خشکسالی پدیده ای است که وقوع آن در هر اقلیمی محتمل اسـت . انتخـاب شاخـص ی مناسـب بـرای کمی کردن خشکسا لی در هر منطقه از چالش های مهم تصمیم گیرندگان منابع آب می باشـد . از ا یـ ن رو شاخص های مختلفی توسط محققان برای تعیین شدت انواع خشکـسالی اقلیمـی SPI ، هیـدرولوژیکی ( ارائه شده است . اما هیچ کدام از انواع شاخص های خشکسالی تعریف شده، به (PDSI ) و زراعی SWSI ) تنهایی جنبه های مختلف اثرات خشکسالی را در برنمی گیرد . در این مقاله سعی شده تا شاخصی ترکیبی بر اساس اثر اصلی خشکسالی، یعنی خسارت وارده به بخش های مختلف مصرف کننده آب، تدوین شود . در این شاخص از خسارات ناشی از وقوع خشکسالی برای تلفیق شاخص های اصلی انواع خشکسالی ها و یکسان کردن نتایج استفاده می شود . بعد از تدو ین شاخص ترک یبی خشکسال ی، با اسـتفاده از شـبکه هـا ی عصبی مصنوع ی شدت خشکسال ی پ یش بینی می گردد . شبکه هـای عـصبی مـورد اسـتفاده در ایـن مقالـه، شبکه های چندلایه پرسپترن (MLP )می باشند که اولی به لحـاظ سـاختار خـاص خـود و دومـی جهـت مقایسه ی نتایج انتخاب شده است . این شبکه ها ابزاری کارآمد در مسائل پیش بینی و شبیه سازی هستند . با استفاده از شاخص ترکیبی می توان با رویکردی دقیقتر و واقع بینانه تـر دوره هـای خشکـسالی را تعیـین نمود . نتایج هر دو شبکه قابل استفاده در پیش بینی های می زان خسارت خشکسالی هـای آتـی مـی باشـند مطالعه ی موردی این تحقیق، حوزه ی آبریزگاوخونی، در استان اصفهان می باشد .

شاخص ترکیبی خشکسالی،شبکه ی عصبی چندلایه پرسپترن ، خسارت خشکسالی، شبکه ی عصبی