سیده آرزو حسینی پرور - دانشجوی کارشناسی ارشد مهندسی عمران مدیریت منابع آب دانشگاه آزاد اسلامی واحدیاسوج
مهرداد خلقی فرد - استادیار دانشگاه آزادیاسوج

آگاهی ازکیفیت منابع آب یکی ازنیازمندی های مهم دربرنامه ریزی و توسعه منابع آب وحفاظت و کنترل آنها می باشد باتوجه به طبیعت غیرخطی و اتفاقی پدیده های هیدرولوژیکی کاربرد شبکه های عصبی مصنوعی دراین علم کاملا قابل توجیه است هدف ازاین مطالعه تخمین کیفی کل جامدات محلول TDS آب رودخانه کبکیان بااستفاده ازشبکه عصبی مصنوعی می باشد ازامار انالیز پارامترهای شیمیایی ایستگاه هیدرومتری بطاری واقع برروی رودخانه درطی یک بازه 10ساله 82تا92که درتمام فصول سال اندازه گیری شده اند استفاده گردید و ازروش شبکه های عصبی مصنوعی MLP RBF جهت شبیه سازی استفاده شد درهردونوع شبکه ازتابع محرک Tanhaxonوالگوریتم اموزشی لورنبرگ مارکوات LM بانرونهای مختلف و1و2لایه مخفی مختلف استفاده گردید و نتایج با این دوشبکه موردمقایسه قرارگرفت نتایج بدست آمده بااستفاده ازمعیارهای اماری MSE و RMSE و ضریب همبستگی R2 توان دوم ضریب R نشان داد که درتمامی مدل ها شبکه عصبی مورداستفاده دراین پژوهش شبکه عصبی پرسپترون چندلایه MLP نسبت به شبکه عصبی تابع شعاعی RBF دقت بالاتری درشبیه سازی متغیرهای کیفی دررودخانه موردمطالعه داشت باتوجه به نتایج حاصله ازپژوهش نشان داد که شبکه های عصبی مصنوعی دقت و توانایی بالایی جهت شبیه سازی وپیشبینی پارامترهای کیفی جریان دررودخانه دارند

رودخانه، کبکیان ، شبکه عصبی مصنوعی، کل جامدات محلول درآب، کیفیت آب