استفاده از شبکۀ عصبی‌ـ فازی تطبیق‌پذیر (ANFIS) به‌منظور پیش‌بینی کیفیت آب زیر‌زمینی در غرب استان فارس طی سال‌های 1383 تا 1393

با توجه به کاهش بارندگی و استفادۀ بیش از حد از آب‌های زیر‌زمینی، بررسی کیفیت آنها از مهم‌ترین چالش‌های بحث‌شده در مناطق مختلف از جمله ایران است. تخمین کیفیت آب از طریق مدل‏سازی، از جمله استفاده از شبکه‏های عصبی، موجب کاهش هزینه و مدیریت بهتر می‏شود. بنابراین، تحقیق حاضر با هدف بررسی کیفیت آب زیر‏زمینی در یک دورۀ 10 ساله (1383 تا 1393) با استفاده از شبکه‏های عصبی‌ـ فازی تطبیق‏پذیر (ANFIS) در غرب استان فارس انجام گرفت. در این مطالعه از سه روش grid partitioning، clustering sub و FCM در دو حالت هیبرید و پس‌انتشار خطا به‌منظور پیش‏بینی کیفیت آب زیر‌زمینی استفاده شد. پارامترهای آموزش در این مطالعه، هدایت الکتریکی (EC) و نسبت جذب سدیم (SAR) هستند. همچنین برای آموزش شبکه از کلاس‏های کیفیت آب تهیه‌شده توسط دیاگرام ویلکاکس استفاده شد. در آلودگی شیمیایی، طبق دیاگرام ویلکاکس نسبت جذب سدیم و هدایت الکتریکی مهم‌ترین فاکتورهایی هستند که با اندازه‏گیری آنها می‌توان آب منطقۀ مطالعه‌شده را در کلاس‏های مختلف مانند خیلی مناسب، مناسب و نامناسب برای آبیاری کلاس‌بندی کرد. بر اساس نتایج از بین مدل‏های مختلف پیش‌بینی کیفیت آب زیرزمینی، مدل هیبرید در روش FCM با بیشترین R (99/0) و کمترین خطا، بیشترین دقت در پیش‌بینی کیفیت آب زیرزمینی منطقۀ مطالعه‌شده را دارد.