استفاده از شبکه عصبی فازی تطبیق پذیر (ANFIS) به منظور پیش بینی کیفیت آب زیر زمینی در غرب استان فارس طی سال های 1383 تا 1393

با توجه به کاهش بارندگی و استفاده بیش از حد از آب های زیر زمینی، بررسی کیفیت آنها از مهم ترین چالش های بحث شده در مناطق مختلف از جمله ایران است. تخمین کیفیت آب از طریق مدل‏سازی، از جمله استفاده از شبکه های عصبی، موجب کاهش هزینه و مدیریت بهتر می‏شود. بنابراین، تحقیق حاضر با هدف بررسی کیفیت آب زیر‏زمینی در یک دوره 10 ساله (1383 تا 1393) با استفاده از شبکه های عصبی 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 پس انتشار خطا به منظور پیش‏بینی کیفیت آب زیر زمینی استفاده شد. پارامترهای آموزش در این مطالعه، هدایت الکتریکی (EC) و نسبت جذب سدیم (SAR) هستند. همچنین برای آموزش شبکه از کلاس‏های کیفیت آب تهیه شده توسط دیاگرام ویلکاکس استفاده شد. در آلودگی شیمیایی، طبق دیاگرام ویلکاکس نسبت جذب سدیم و هدایت الکتریکی مهم ترین فاکتورهایی هستند که با اندازه‏گیری آنها می توان آب منطقه مطالعه شده را در کلاس‏های مختلف مانند خیلی مناسب، مناسب و نامناسب برای آبیاری کلاس بندی کرد. بر اساس نتایج از بین مدل‏های مختلف پیش بینی کیفیت آب زیرزمینی، مدل هیبرید در روش FCM با بیشترین R (99/0) و کمترین خطا، بیشترین دقت در پیش بینی کیفیت آب زیرزمینی منطقه مطالعه شده را دارد.