فهرست نشریات علمی دسترسی آزاد ایران

پدیده خشکسالی یکی از بلایای طبیعی می­باشد که احتمال وقوع آن در تمام مناطق اقلیمی امکان­پذیر است و در هر منطقه­ای که روی می­دهد، باعث ایجاد آسیب­های جدی در محیط زیست و زندگی انسان­ها می­شود. بنابراین، پیش­بینی این پدیده مضر، می­تواند تأثیر قابل توجهی در مدیریت منابع آب داشته باشد و آثار مخرب آن را تا حد امکان کاهش دهد. در این مطالعه، ابتدا با استفاده از شاخص بارندگی استانداردشده چند متغیره (MSPI)، مشخصه­های خشکسالی در حوضه آبریز لیقوان­چای به­دست آمد و سپس از شبکه­های عصبی مصنوعی (ANN) جهت پیش­بینی شاخص فوق استفاده گردید. جهت آموزش شبکه­های عصبی مصنوعی و تخمین بهینه وزن­های آن، الگوریتم بهینه­سازی ازدحام ذرات (PSO) به­کار برده شد و عملکرد آن با الگوریتم پس انتشار خطا (BP) مورد مقایسه قرار گرفت. در این راستا سناریوها و ساختارهای مختلفی در نظر گرفته شد و سپس با استفاده از آزمون­های نیکوئی برازش، میزان دقت هر یک از آن­ها محاسبه گردید.  نتایج حاصل، برتری مدل ANN-PSO نسبت به مدل ANN-BP در پیش­بینی خشکسالی را نشان داد.