حسین اقدر - کارشناس ارشد سنجش از دور وGISدانشکده علوم دانشگاه شهید چمران اهواز
فاطمه محمدیاری - دانشجوی کارشناسی ارشد ارزیابی و آمایش سرزمین، دانشکده منابع طبیعی دانشگاه صنعتی خاتم الانبیاء(ص) بهبهان

با توجه به اهمیت آبهای زیرزمینی در بخش شرب و کشاورزی،شبیهسازی و پیشبینی تغییرات کیفی آن از نیازهای روزافزون بشر محسوب میگردد. در این تحقیق جهت مدلسازی نسبت جذب سدیم به عنوان متغیر وابسته، فراسنجهای طول و عرض جغرافیایی،هدایت الکتریکی، میزان کل عناصر محلول و مقادیرpH به عنوان متغیر مستقل به کار گرفته شدند. همچنین شبکه عصبی با الگوریتم Levenberg- Marquardtبرای پیشبینی پارامترهای کیفی آب زیرزمینی انتخاب گردید. نتایج نشان داد روش شبکه عصبی کارایی بالایی در پیشبینی مقادیر پارامترهای کیفی آب زیرزمینی دارد. مقدار بالای ضریب همبستگی به دست آمده بینپارامترهای مدلسازی شده بیانگر نزدیک بودن مقادیر پیشبینی گردیده با دادههای اندازهگیری شده و توانایی و دقت بالای روابط بین متغیرهای ورودی با خروجی است. ضریب تبیین عنصر مدلسازیشده نیز در سه مرحله آموزش، اعتبارسنجی و تست بالای 09 درصد میباشد که نشان دهندهی دقت قابل قبول شبکه عصبی مصنوعی و یادگیری خوب و کارآمد شبکه با استفاده از الگوریتم آموزشی مورد نظر و دادههای ارائه شده به شبکه است.

مدلسازی، شبکه عصبی مصنوعی، نسبت جذب سدیم، آب زیرزمینی