مهرداد میرسنجری - استادیار گروه محیط زیست، دانشکده محیط زیست و منابع طبیعی، دانشگاه ملایر، ملایر، ایران. (مسوول مکاتبات)
فاطمه محمدیاری - دانشجوی دکتری آمایش محیط زیست، دانشکده محیط زیست و منابع طبیعی، دانشگاه ملایر، ملایر، ایران.
رضا بصیری - دانشیارگروه جنگلداری، دانشکده منابع طبیعی ،دانشگاه صنعتی خاتم الانبیاء(ص)، بهبهان، ایران.
فاطمه حمیدی پور - کارشناس ارشد آلودگی محیط زیست، دانشکده منابع طبیعی، دانشگاه صنعتی خاتم الانبیاء(ص)، بهبهان، ایران.

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 کار مدل­سازی پارامترهای کیفی TDS و EC بر اساس سایر مولفه­های شیمیایی یعنی آنیون­ها و کاتیون­های اصلی، SAR و pH انجام شده است. همچنین جهت مدل­سازی نسبت جذب سدیم به عنوان متغیر وابسته، فراسنج­های طول و عرض جغرافیایی، هدایت الکتریکی، میزان کل عناصر محلول و مقادیر pH به عنوان متغیر مستقل به کار گرفته شدند. در این مطالعه شبکه عصبی با الگوریتمMarquardt  Levenberg- برای 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 بین پارامترهای 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 هر سه عنصر مدل­سازی شده نیز در سه مرحله آموزش، اعتبارسنجی و تست بالای ۹۰ 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 ارایه شده به شبکه است. نتایج این مطالعه از اهمیت زیادی در جهت برنامه­ریزی و مدیریت یکپارچه کیفیت منابع آب و حفاظت و بهره­وری مناسب از آن در منطقه مطالعاتی برخوردار می­باشد

مدل سازی, شبکه عصبی مصنوعی, نسبت جذب سدیم, هدایت الکتریکی, کل جامدات محلول