صفر معروفی - استاد، گروه مهندسی آب، دانشگاه بوعلی سینا، همدان
نسیم نادری فرد - دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشگاه بوعلی سینا، همدان

کیفیت منابع آب زیرزمینی امروزه یکی از مسائل مهم زیست محیطی محسوب می گردد. در این پژوهش، قابلیت شبکه عصبی مصنوعی پرسپترون چندلایه در مدل سازی و پیش بینی دو شاخص کیفی آب زیرزمینی دشت همدان- بهار شامل TDS و TH بررسی گردید. به منظور انجام این پژوهش از 12 شاخص کیفی ماهانه 25 چاه مشاهده ای در سال 1391-1390 استفاده گردید. برای ارزیابی از معیارهای ریشه مربع میانگین خطا (RMSE) و ضریب همبستگی (R) استفاده شد. ساختار بهینه شبکه برای TDS و TH ریشه مربع میانگین خطا را به ترتیب 0/025673 و 0/02329 نشان داد. همچنین ضریب همبستگی برای شاخص TDS، 0/966 و برای شاخص TH، 0/971 برآورد شد. نتایج بیانگر آناست که شبکه عصبی مصنوعی پرسپترون چندلایه قابلیت زیادی در پیش بینی این دو شاخص دارد.

دشت همدان، بهار، شبکه عصبی مصنوعی، کیفیت آب زیرزمینی، TH, TDS