استفاده از روش‌های نوین هوش مصنوعی در بررسی کیفیت منابع آب زیرزمینی (مطالعه موردی: دشت سلماس)

با توجه به تمام پیشرفت­های صورت گرفته در مدیریت منابع آب، معضل بررسی کیفیت آب­های زیرزمینی اصلی­ترین مشکلی است که در اکثر دشت­های ایران مشاهده می­شود. لذا مدیریت و پایش کیفیت منابع آب از اهمیت بالایی برخوردار است. در این تحقیق سعی شد با به­کارگیری دو  مدل RBF و GFF شبکه عصبی مصنوعی به پیش­بینی و برآورد کیفیت آب­های زیرزمینی دشت سلماس پرداخته شود. جهت نیل به این هدف، از داده‌های کیفی آب زیرزمینی مربوط به دشت سلماس در دوره آماری 10 ساله (90-1381) استفاده گردید و نتایج بر اساس استانداردهایویلکاکس،شولرو پایپر موردبررسیقرارگرفت. 70 درصد داده­های موجود به منظور آموزش شبکه و از 10 درصد داده­ها برای صحت­سنجی دو مدل استفاده شد. لذااز20درصدباقی­ماندهداده­های موجودبرایآزمایششبکهاستفادهگردید. به­کارگیری متغیرهای آماری مناسب و کاربردی نشان داد مدل RBF با آموزش Levenberg Marquardt و 4 لایه مخفی قابلیت بالایی در برآورد و پیش­بینی کیفیت آب زیرزمینی دارد، هم‌چنین ضریبهم­بستگیدر این مدل برابر 88/0 وجذرمیانگینمربعاتخطابرابر 71/29% به­دست آمد. هم­چنین نتایج استفاده از دیاگرام­های مختلف نشان می­دهد نمونه­هادارایسختیو خورندگی کممی‌باشند. طبقطبقه­بندیکلاس­ها،اکثر داده­ها درکلاس C3S1  قراردارند. براساس نتایج، تمامی منابع آبی منطقه مورد مطالعه، به‌ترتیب برای کشاورزی، شرب و صنعت در حد مناسب، خوب، قابل قبول می‎باشند.