@article { author = {Maghsoud, Fatemeh and Bazrafshan, Ommolbanin}, title = {Developing a Drought Forecasting Model ;Case study Abyek City in Ghazvin Province}, journal = {Irrigation and Water Engineering}, volume = {7}, number = {3}, pages = {166-174}, year = {2017}, publisher = {انجمن علمی مهندسی آبیاری و آب ایران}, issn = {2251-7359}, eissn = {}, doi = {}, abstract = {Optimum utilization of water resources in the country requires improving the accuracy of forecastingand estimation time of drought. One of the most important issues in monitoring and predicting drought is choosing an appropriate index for the area. In the present study, besides determining two indices of SPI and CZI in two scales of short-term and medium-term using the precipitation of two rain gauge stations in a period of 43 years (1972-2015) located in Abiyek City, the drought forecastingwas performed using the Direct Multi-Step Neural Network in six time ahead. The Kappa- Cohen statistic used in order to review the consistency of quality classes between the predicted and observed values. The results of using this network in this study indicated an acceptable performance and capability of this network to estimate the drought using the two scales of SPI and CZI and predict some earlier steps of weather drought. Based on results of the weighted Kappa statistic showed that with increasing the prediction step, the similarity between the prediction amounts and the observed amounts in quality classes of drought decrease in two indices of SPI and CZI. So, by increasing the time scales (from 3 to 9 month), the similarity increases. The results of the prediction with the two mentioned indices and in different scales showed that Ziaran station seems more appropriate because it is located in the center of the area. Therefore, choosing an appropriate station in prediction issues helps improve the models significantly. Finally, this research can be useful in predicting the time of drought at least for the next six months, and help water planning and water resources managers in macro level in the country}, keywords = {Key words: Forecasting,Drought,Kappa,CZI,SPI}, title_fa = {توسعه مدل پیش‌‌بینی وقوع خشکسالی؛ مطالعه موردی شهرستان آبیک استان قزوین}, abstract_fa = {بهره‌برداری بهینه از سیستم‌های منابع آب درکشور، مستلزم ارتقاء دقت پیش‌بینی و برآورد زمان وقوع خشکسالی است. یکی از مهم‌ترین مسائل در پایش و پیش‌‌بینی خشکسالی انتخاب شاخص متناسب با منطقه است. در این تحقیق ضمن محاسبه دو شاخص SPI و CZI در دو مقیاس زمانی کوتاه‌مدت و میان‌‌مدت با استفاده از مقادیر بارندگی دو ایستگاه بارانسجی با طول دوره آماری 43 ساله (1351-1394) در شهرستان آبیک، اقدام به پیش‌‌بینی خشکسالی با استفاده از شبکه عصبی چندگامه مستقیم در شش ماه بعد گردید. جهت بررسی میزان توافق طبقات کیفی بین مقادیر پیش‌‌بینی شده با مقادیر مشاهده‌ شده از آماره کاپا- کوهن استفاده گردید. نتایج حاصل از استفاده‌ی این شبکه، نشان از کارایی قابل قبول آن در پیش‌‌بینی چند ماه بعد خشکسالی هواشناسی داشت. همچنین آماره کاپا-کوهن نشان داد، با افزایش گام پیش‌‌بینی از میزان تشابه بین مقادیر پیش‌‌بینی و مشاهده‌ای در طبقات کیفی خشکسالی در دو شاخص مذکور کاسته شده و با افزایش مقیاس زمانی از 3 به 9 ماهه، میزان تشابه افزایش می‌یابد. نتایج حاصل از پیش‌‌بینی نشان داد که ایستگاه زیاران بواسطه قرارگیری در مرکزثقل حوزه، کارایی مناسبی دارد، لذا انتخاب مناسب ایستگاه‌ در مباحث مربوط به پیش‌‌بینی کمک شایانی به بهبود عملکرد مدل‌ها می‌نماید. در نهایت نتایج این تحقیق می‌تواند در پیش‌‌بینی زمان وقوع خشکسالی حداقل برای 6 ماه آینده مفید بوده و کمک شایانی به مدیران در بخش برنامه‌ریزی کلان آب و منابع آبی در کشور نماید.}, keywords_fa = {منابع آبی در کشور نماید. واژه‌های کلیدی: پیش‌‌بینی,خشکسالی,آماره کاپا,CZI,SPI}, url = {https://www.waterjournal.ir/article_74076.html}, eprint = {https://www.waterjournal.ir/article_74076_06289376da2845faac135349e6064917.pdf} }