نادر برهمند - عضو هیئت علمی ، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد لارستان،
محمد حسینی - کارشناس ارشد عمران سازه های هیدرولیکی،گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد لارستان،ایران

امروزه مدلهای بسیاری جهت بررسی و پیش بینی کیفیت آب مورداستفاده قرار می گیرند که بیشتر آنها نیازمند اطلاعات ورودی فراوان و غیر قابل دسترس هستند. بدین منظور انواع گوناگونی ازمدلهای عددی بوجود آمده و توسعه یافته اند. در این تحقیق از مدلشبکه عصبی مصنوعی پیشخور چند لایه ای پرسپترون استفاده شده است . با استفاده از داده های آماری رابطه ای بین دبی متوسط ماهیانه وپارامترهای کیفی رودخانه برقرار می گردد. سپس متغیر های ورودی را با استفاده از شبکه عصبی مصنوعی، آموزش داده و به نرم افزار معرفی کرده تا در مرحله تست شبکه قرار گیرد و در نهایت بااستفاده از معیار های صحت سنجی ، نتایج حاصله را بررسی کرده تا بهترین و مناسبترین میزان هدایت الکتریکی و کل املاح محلول آب متوسط ماهیانه بدست آید.مشاهده گردید که هدایت الکتریکی ماهانهبه ترتیب به میزان SUM A ، SUM K ، TDS ، CL ، Na ، SAR و ... بستگی دارد.کل املاح محلول ماهانه TDS به ترتیب به پارامترهای SAR, Na, CL, EC, SUM A, SUM K, TDS بستگی دارد. بنابراین می توان گفت که دبی ماهانهبیشتر از بارش ماهانه در ایستگاه چمریز روی مقدار هدایت الکتریکی و کل املاح محلول ماهانه اثر گذار می باشد. اطلاعات آماری مربوط بهایستگاه هیدرومتری چمریز بر رودخانه کر بالادست سد دروزن واقع در استان فارس می باشد.

شبکه عصبی مصنوعی ، ایستگاه هیدرومتری ، هدایت الکتریکی ، کل املاح محلول