پیش بینی پارامترهای کیفیت آب ز یرزمینی (مطالعه موردی: دشت شیراز)

با توجه به تمام پیشرفت های صورت گرفته در مدیریت منابع آب، معضل بررسی کیفیت آب های زیرزمینی اصلی ترین مشکلی است که در اکثر دشت های ایران مشاهده می شود. لذا مدیریت و پایش کیفیت منابع آب از اهمیت بالایی برخوردار است . در این پژوهش از مدل MLP شبکه عصبی مصنوعی به برآورد کیفیت آب زیرزمینی دشت شیراز پرداخته شد. جهت نیل به این هدف، از داده های کیفی مربوط به دشت شیراز در دوره آماری ۱۹ساله (۹۹-۱۳۸۹) استفاده گردید. متغیرهای کاتیونهای اصلی Na+)، Ca۲+، (Mg۲+، آنیون های اصلی Cl-)، SO۴۲-، (HCO۳- به عنوان متغیر مستقل SAR و EC به عنوان متغیر وایسته در نظر گرفته شد. به کارگیری متغییر های آماری مناسب نشان داد مدل MLP با آموزش Levenberg Marquardt و ضریب همبستگی مربوط به SARو EC به ترتیب (۹۹/۰ و ۹۹/۰) قابلیت بالایی در برآورد و پیش بینی کیفیت آب زیرزمینی دارد. مقایسه نتایج حاصل از پیش بینی شبکه عصبی با داده های صحرایی نشان دهنده قابلیت بالای این روش برای پیش بینی کیفیت آب از روی فقط چند کاتیون و آنیون است ، بنابراین در صورت کمبود مطالعات در یک منطقه می توان از این مدل ها برای پیش بینی کیفیت آب در نقاط مجهول استفاده کرد. نتایج مطالعه برای مدیریت زیست محیطی و بهره برداری بهتر از منابع آب زیرزمینی مفید است .