بررسی و تحلیل خشکسالی هواشناسی با استفاده از شبکه‌های عصبی مصنوعی در استان تهران

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی آب دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

2 استاد دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

چکیده

خشکسالی به عنوان یکی از بزرگ ترین بلایای طبیعی بشمار می آید، چه، تاثیر آن بر جوامع بشری بیش تر از دیگر بلایای طبیعی است. مطالعه در زمینه ی خشکسالی نقشی بسیار مهم در برنامه‌ریزی‌ها و مدیریت منابع آب دارد. هدف این مقاله، تحلیل و بررسی خشکسالی بر اساس داده‌های بارندگی سالانه در استان تهران با استفاده از آلگوریتم بدون فراسنج تحلیل مکانی شبکه‌های عصبی (SANN) می‌باشد. داده‌های بهنجارسازی و معیار شده ی بارندگی به درجات معینی از شدت خشکسالی (بسیار زیاد، زیاد، متوسط و بدون خشکسالی) بر اساس روش حدآستانه و استفاده از توزیع بهنجار معیار طبقه‌بندی شدند سپس احتمالات خشکسالی در هر نقطه معین در منطقه تعیین شد و براساس نمایه ی شدت خشکسالی بیزین به درجات خشکسالی معین طبقه‌بندی شدند. همچنین، نقشه‌های شدت خشکسالی در استان تهران که نشان دهنده ی تغییرات مکانی از شدت خشکسالی برای کل منطقه در یک سال بخصوص می‌باشند، رسم گردیدند. نتایج نشان می‌دهند که در طول دوره‌ی آماری 30 ساله (1387-1358) 7/16% سال‌ها دارای خشکی بسیار زیاد، 65/26% سال‌ها دارای خشکی زیاد،30% سال‌ها دارای خشکی متوسط و 65/26% سال‌های بدون خشکی بوده اند که 23 درصد خشکسالیها مربوط به دهه ی نخست و دو دهه ی دیگر به گونه ی مساوی 5/38 درصد خشکسالی ‌ها را به خود اختصاص داده‌اند
 

کلیدواژه‌ها


1- احمدی، ح. 1383. بررسی عوامل مؤثر در بیابانزایی. مجله جنگل و مرتع. شماره 62.
2- اختری، ر.، م. ح. مهدیان و س. مرید. 1385. تحلیل مکانی نمایه های خشکسالی SPI و EDI در استان تهران. سال دوم شماره 3. انجمن علوم و مهندسی منابع آب.
3- رضیئی، ط.، ع. شکوهی، ب. ثقفیان و پ. دانشکار آراسته. 1382. پایش پدیده خشکسالی در ایران مرکزی با استفاده از نمایه SPI. سومین کنفرانس منطقهای تغییر اقلیم.
4- شامحمدی حیدری، ز.، پ. حقیقتجو و پ. افراسیاب.1379. تعیین خشکسالیها و ترسالیها براساس آمار بلند مدت بارندگیهای سالانه در ایران. مجموعه مقالات کنفرانس ملی
بررسی راهکارهای مقابله با بحران آب. دانشگاه زابل. اسفند ماه..702-63 .ص
5- شاهیان، ر.، ع. ک. جامع، ر. مستمند، م. حقیقت و م.دهقان. 1388. پهنهبندی آستانه بحران خشکسالی استان فارس با استفاده از نمایه معیار بارش(SPI) در جهت نیل به مدیریت ریسک خشکسالی. همایش ملی مدیریت بحران آب. دانشگاه آزاد اسلامی واحد مرودشت.
6- صیادی، ح.، ا. فعالیان و ع. ا. صدرالدینی. 1387. پیشبینی خشکسالی با استفاده از شبکههای عصبی تاخیر زمانی مطالعه موردی : دشت تبریز. سومین کنفرانس مدیریت منابع آب ایران، دانشگاه تبریز، ایران.
7- عثمانی، ل. 1388. کاربرد نمایه SPI در مطالعه خشکسالیها و ترسالیها در استان کردستان طی دوره آماری(1368 تا 1387). همایش ملی بحران آب. دانشگاه آزاد مرودشت.
8- مرادی، ا. و ج. بذرافشان. 1380. بررسی الگوهای مکانی توزیع خشکسالی، با استفاده از شبیه توزیع منطقهای خشکسالی هواشناسی. مجموعه مقالات کنفرانس ملی بررسی راهکارهای مقابله با بحران آب. دانشگاه زابل. ص.106 -116.
9- منهاج، م. ب. 1388. مبانی شبکههای عصبی. جلد اول.انتشارات دانشگاه صنعتی امیرکبیر.
10- نصیری، م. ع.، س. جباری، ف. بوستانی و س. ا. شمسنیا.1388. تحلیل و پایش خشکسالی با استفاده از نمایه معیار شده بارش (SPI): (مطالعه موردی شهرستان مرودشت). همایش ملی مدیریت بحران آب. دانشگاه آزاد اسلامی واحد مرودشت.
11- Moody, J., and D. J. Darken. 1989.Fast learning in networks of locally-tuned
processing units. Neural Comput. 1: 281-294.
12- Parzen, E. 1962. On the estimation ofa probability density function and mode.Annal. Math. Statis. 33: 1065–1076.
13- Saha, A., and J. D. Keeler. 1990.networks P: 482-489 in D. S. Touretzky.(eds). Advances in neural information
processing system 2, Morgan Kaufmann,San Monteo, C.A.
14- Specht, D.F. 1991. A generalregression neural network , IEEE Trans.On Neural Networks, 2(6).
15- Shin, H.S., and J.D. Salas. 2000.Regional drought analysis based on neuralnetworks. J. Hydrol. Eng. 5: 145–155.