Bu çalışmada Yapay Sinir Ağları (YSA) ile Standartlaştırılmış Yağış İndeksinin (SPI) modellenmesi ve geleceğe yönelik kuraklık tahminlerinin yapılması amaçlanmıştır. Karaman meteoroloji istasyonunda 1975-2009 yıllarında ölçülen aylık yağmurlar kullanılarak 3, 6, 9 ve 12 aylık zaman ölçekleri için SPI değerleri hesaplanmıştır. Modellemede İleri Beslemeli Geri Yayılımlı Yapay Sinir Ağları (FFBPANN) metodu kullanılmıştır. YSA modeli kurulmasında girdi verisi olarak SPI değerinin belirlenmesinde dikkate alınan yağış verileri ve SPI değerleri kullanılmıştır. Modelin kurulmasından sonra geleceğe yönelik tahminlerde bulunabilmek için farklı zaman dilimlerine ait yağış ve SPI kombinasyonları girdi verisi alınarak ileriye yönelik kuraklık tahminlerinde (SPI) bulunulmuştur. YSA metodu ile tahmin edilen SPI değerleri ve hesaplanan SPI değerleri 1999-2009 dönemi için test edilmiştir. En iyi FFBPANN modeli seçiminde, MSE (Mean Square Error), NMSE (Normalized Mean Square Error), AME (Absolute Mean Error), AMinE (Absolute Minimum Error), AMaxE (Absolute Maximum Error) ve doğrusal korelasyon katsayısı dikkate alınmıştır.

This paper presents a methodology on modeling, namely, artificial neural network (ANN), of the meteorological drought.For this purpose, standardized precipitation index (SPI) values at time scales of 3, 6, 9 and 12 months were calculated using monthly rainfalls measured from 1975 to 2009 in Karaman meteorology station. The feed-forward back-propagation (FFBP) method was employed to train the ANNs in the study. The SPI and monthly rainfall data was taken into consideration to constitute input layer in Feed Forward Back Propagation Artificial Nerual Netwoks (FFBPANN). The SPI values from the ANN were compaired with the values calculated from SPI relationship for the period 1999-2009. The FFBPANN performance was evaluated by Mean Square Error (MSE), Normalized Mean Square Error (NMSE), Absolute Mean Error (AME), Absolute Minimum Error (AMinE), Absolute Maximum Error (AMaxE) and Linear Correlation Coefficient (r)