خشک سالی یک شکل طبیعی از اوضاع آب و هو ایی است که تکرار آن در طول زمان امری اجتناب ناپذیر میباشد. هدف اصلی این تحقیق بررسی تأثیر نوع عوامل اقلیمی در پیشبینی خشک سالی با استفاده از شبکه عصبی مصنوعی در مناطق مختلف استان یزد است . در اغلب ایستگاههای هواشناسی منطقه یزد (ایستگاه های باران سنجی) تنها داده های مربوط به عامل بارش موجود می باشد، در حالی که ایستگاههای همدیدی علاوه بر بارش سا یر عوامل هواشناسی از جمله دمای بیشینه، دمای میانگین، رطوبت نسبی، سرعت میانگین باد، جهت باد و میزان تبخیر را نیز دارا هستند. در این تحقیق سعی گردید که نقش تعداد و نوع عوامل اقلیمی (به عنوان عوامل ورودی مدل ) در دقت پیش بینی خشک سالی بر اساس شبکه های عصبی مصنوعی مورد ارزیابی قرار گیرد . منطقه مورد بررسی بخشی از استان یزد است که در بر گیرنده ١٣ ایستگاه کلیماتولوژی و ١ ایستگاه همدیدی است . جهت انجام این بررسی میانگین متحرک سه ساله بارش در تمام ایستگاهها محاسبه شد و میانگین متحرک بارش یک سال آینده پ یش بین ی ،(Time Lag Recurrent Network) سپس با استفاده از مدل شبکه برگشتی با تأخیر زمانی گردید، که خود عامل اصلی ارزیابی وضعیت خشک سالی در سال آتی است. علاوه بر آن در ایستگاه همدیدی یزد نیز شبیه ساز ی ها با ترکیبات مختلفی از ورود یها انجام گرفت . بهترین ترکیب ورودی ترکیب - میانگین متحرک بارش - دمای بیشینه- بود که ضریب کارایی٠ محاسبه شد . بررسیها نشان داد علی رغم این که در ١٣ ایستگاه باران سنجی منطقه ش بیه ساز ی ها تنها با یک ورود ی (بارش) / آن حدود ٩٠ انجام گرفت، در برخ ی ایستگاهها نتا یج قابل قبو لی به دست آمد که حتی ضر یب کارایی محاسبه شده بر اساس نتایج حاصله بسیار نزدیکR به ایستگاه یزد (با ورود یهای مختلف ) محاسبه گرد ید. ( 2 ٠ در ایستگاه گاریز متغیر بو د.) البته میزان / ٠ در ایستگاه آقا خرانق تا ٩٠ / از ٤٨ درستی پی ش بینیها هنگامی که فقط از یک عامل ورودی در مدل استفاده شده است از ایستگاهی به ایستگاه دیگر متفاوت بوده است . نتایج به دست آمده گویای انعطا ف پذیری قابل ملاحظه مدل های شبکه عصبی مصنوعی است که آنها را به ابزار مناسبی جهت مدلسازی در شرایطی که با فقر داده مواجه هستیم مبدل میسازد

کلمات کلیدی