با توجه به اهمیت آبهای زیرزمینی در بخش شرب و کشاورزی، شبیهسازی و پیشبینی تغییرات کیفی آن از نیازهای روزافزون بشر محسوب میگردد. در این تحقیق کار مدلسازی پارامترهای کیفی TDS و EC بر اساس سایر مؤلفههای شیمیایی یعنی آنیونها و کاتیونهای اصلی، SAR و pH انجام شده است. همچنین جهت مدلسازی نسبت جذب سدیم به عنوان متغیر وابسته، فراسنجهای طول و عرض جغرافیایی، هدایت الکتریکی، میزان کل عناصر محلول و مقادیر pH به عنوان متغیر مستقل به کار گرفته شدند. در این مطالعه شبکه عصبی با الگوریتمMarquardt Levenberg- برای پیشبینی پارامترهای کیفی آب زیرزمینی انتخاب گردید. نتایج نشان داد روش شبکه عصبی کارایی بالایی در پیشبینی مقادیر پارامترهای کیفی آب زیرزمینی دارد. مقدار بالای ضریب همبستگی به دست آمده بین پارامترهای مدلسازی شده بیانگر نزدیک بودن مقادیر پیشبینی گردیده با دادههای اندازهگیری شده و توانایی و دقت بالای روابط بین متغیرهای ورودی با خروجی است. ضریب تبیین هر سه عنصر مدلسازی شده نیز در سه مرحله آموزش، اعتبارسنجی و تست بالای 90 درصد میباشد که نشان دهندهی دقت قابل قبول شبکه عصبی مصنوعی و یادگیری خوب و کارآمد شبکه با استفاده از الگوریتم آموزشی مورد نظر و دادههای ارایه شده به شبکه است. نتایج این مطالعه از اهمیت زیادی در جهت برنامهریزی و مدیریت یکپارچه کیفیت منابع آب و حفاظت و بهرهوری مناسب از آن در منطقه مطالعاتی برخوردار میباشد.
