TY - JOUR ID - 61491 TI - استفاده از شبکۀ عصبی‌ـ فازی تطبیق‌پذیر (ANFIS) به‌منظور پیش‌بینی کیفیت آب زیر‌زمینی در غرب استان فارس طی سال‌های 1383 تا 1393 JO - اکوهیدرولوژی JA - IJE LA - fa SN - 2423-6098 AU - مکرم, مرضیه AU - مکرم, محمد جعفر AU - زارعی, عبدالرسول AU - صفری نژادیان, بهروز AD - عضو هیئت علمی، دانشکدۀ کشاورزی و منابع طبیعی داراب، دانشگاه شیراز AD - دانشجوی دکتری برق قدرت، دانشگاه صنعتی شیراز AD - عضو هیئت علمی، گروه مهندسی منابع طبیعی (مرتع و آبخیزداری)، دانشکدۀ کشاورزی، دانشگاه فسا* AD - عضو هیئت علمی، گروه مهندسی برق و الکترونیک، دانشگاه صنعتی شیراز Y1 - 2017 PY - 2017 VL - 4 IS - 2 SP - 547 EP - 559 KW - شبکۀ عصبی‌ـ فازی تطبیق‌پذیر (ANFIS) KW - کیفیت آب KW - EC KW - SAR DO - 10.22059/ije.2017.61491 N2 - با توجه به کاهش بارندگی و استفادۀ بیش از حد از آب‌های زیر‌زمینی، بررسی کیفیت آنها از مهم‌ترین چالش‌های بحث‌شده در مناطق مختلف از جمله ایران است. تخمین کیفیت آب از طریق مدل‏سازی، از جمله استفاده از شبکه‏های عصبی، موجب کاهش هزینه و مدیریت بهتر می‏شود. بنابراین، تحقیق حاضر با هدف بررسی کیفیت آب زیر‏زمینی در یک دورۀ 10 ساله (1383 تا 1393) با استفاده از شبکه‏های عصبی‌ـ فازی تطبیق‏پذیر (ANFIS) در غرب استان فارس انجام گرفت. در این مطالعه از سه روش grid partitioning، clustering sub و FCM در دو حالت هیبرید و پس‌انتشار خطا به‌منظور پیش‏بینی کیفیت آب زیر‌زمینی استفاده شد. پارامترهای آموزش در این مطالعه، هدایت الکتریکی (EC) و نسبت جذب سدیم (SAR) هستند. همچنین برای آموزش شبکه از کلاس‏های کیفیت آب تهیه‌شده توسط دیاگرام ویلکاکس استفاده شد. در آلودگی شیمیایی، طبق دیاگرام ویلکاکس نسبت جذب سدیم و هدایت الکتریکی مهم‌ترین فاکتورهایی هستند که با اندازه‏گیری آنها می‌توان آب منطقۀ مطالعه‌شده را در کلاس‏های مختلف مانند خیلی مناسب، مناسب و نامناسب برای آبیاری کلاس‌بندی کرد. بر اساس نتایج از بین مدل‏های مختلف پیش‌بینی کیفیت آب زیرزمینی، مدل هیبرید در روش FCM با بیشترین R (99/0) و کمترین خطا، بیشترین دقت در پیش‌بینی کیفیت آب زیرزمینی منطقۀ مطالعه‌شده را دارد.       UR - https://ije.ut.ac.ir/article_61491.html L1 - https://ije.ut.ac.ir/article_61491_6fbb3ee2ba94d35efcca22884a151c30.pdf ER -