حسنیه زارعپورفرد - دانشجوی کارشناسی ارشد اکتشاف معدن
احمد آریافر - دانشیارگروه مهندسی معدن دانشگاه بیرجند
وحید خسروی - دانشجوی دکترای اکتشاف معدن دانشگاه صنعتی شاهرود
حسن ضیاء - کارشناس ارشد گروه مهندسی معدن دانشگاه بیرجند

در این پژوهش، کار مدل سازی پارامترهای کیفی TDS، EC، TH و SAR آب زیرزمینی دشت خضری بر اساس مولفه های شیمیایی نظیر آنیون ها و کاتیون های اصلی و pH با استفاده از شبکه های عصبی مصنوعی در نرم افزار MATLAB انجام شده است. به منظور دستیابی به ساختار بهینه با کمترین خطا، پیش بینی پارامترهای کیفی چهارگانه با تغییر تعداد لایه های میانی، تعداد نرون های لایه میانی، تابع آموزش شبکه عصبی و توابع فعالسازی نرون ها انجام گردید. بر این اساس، بهترین نتایج با شبکه هایی با یک لایه میانی، الگوریتم آموزشی لونبرگ-مارکوات و توابع فعالسازی Tansig و Purelin در لایه های میانی و خروجی به دست آمد. برای تخمین پارامتر SAR، ساختاری با تعداد نرون ها 1-17-8 به دست آمد که که ضریب همبستگی 9951/0 را نتیجه داد. برای پارامتر EC تعداد نرون های بهینه لایه میانی 10 و ضریب همبستگی حاصل برای آن 9941/0 به دست آمد. پارامتر TDS نیز با تعداد 22 نرون در لایه میانی، ضریب همبستگی 9916/0 را نتیجه داد. در نهایت برای پارامتر TH با ساختاری با تعداد 25 نرون حاصل شد (9908/0). مقایسه نتایج حاصل از پیش بینی پارامترهای مورد نظر توسط شبکه و مقادیر واقعی آن ها، حکایت از این داشت که پیش بینی کیفیت آب توسط شبکه عصبی برای پارامترهای EC، TDS، SAR و TH در حد قابل قبول بوده است. با توجه به هزینه پایین و کارایی بالا، از روش های هوشمند به خصوص شبکه های عصبی مصنوعی، می توان جهت برنامه ریزی و مدیریت یکپارچه کیفیت منابع آب و حفاظت و بهره وری آن ها استفاده نمود.

آب های زیرزمینی، پارامترهای کیفی، شبکه های عصبی مصنوعی، دشت خضری