پيش‌بيني ميزان هدايت الكتريكي آب زير زميني دشت فسا با استفاده از شبكه­هاي عصبي مصنوعي

Prediction of Fasa Plain Groundwater Electrical Conductivity by Using Artificial Neural Network

هدف از اين تحقيق تهيه يك مدل هوش مصنوعي براي برآورد هدايت الكتريكي و بررسي ميزان اهميت هر يك از عوامل در پيش‌بيني هدايت الكتريكي(EC) است. در اين تحقيق مدلي براي تخمين ECآب زيرزميني، با استفاده از مدل شبكه عصبي پرسپترون چند لايه با الگوريتم يادگيري پس انتشار خطا ارائه شده است. بدين منظور از داده هاي كيفي (سديم، منيزيم، كربنات، بي كربنات، كلر، سولفات، پتاسيم، كلسيم، PH و HT) و داده هاي مكاني (طول و عرض جغرافيايي) برداشت شده از 40 حلقه چاه كشاورزي دشت فسا در محدوده سال هاي 1392-1388 استفاده شده است. جهت مقايسه ساختارهاي مختلف شبكه عصبي از معيارهاي ضريب تبيين (R2) و جذر ميانگين مربع خطا (RMSE) استفاده شد. نتايج نشان داد كه مدل فوق با 5 نرون در لايه پنهان (1-5-13) توانست ميزان EC را با دقت خوبي (R2=0.9759, RMSE=0.06 )پيش‌بيني كند.