fa ارزیابی عملکرد روش‌های زمین‌آمار و شبکه عصبی مصنوعی در تخمین پارامترهای کیفی آبخوان (مطالعه موردی: دشت قروه- دهگلان) عمومی Ggeneral پژوهشي Research <p dir="RTL">انتخاب تکنیک درون‌یابی بهینه جهت تخمین پارامترهای کیفی آبخوان در نقاط اندازه‌گیری نشده نقش مهمی در مدیریت کمی و کیفی منابع آب ایفا می‌کند. هدف اصلی این تحقیق ارزیابی دقت روش‌های درون‌یابی متداول با استفاده از <span dir="LTR">GIS</span> و مدل شبکه عصبی مصنوعی می‌باشد. بدین‌منظور تخمین سه پارامتر کیفی <span dir="LTR">CL</span>، <span dir="LTR">EC</span> و <span dir="LTR">pH</span> آبخوان دشت قروه- دهگان واقع در استان کردستان توسط هر یک از مدل‌ها مورد ارزیابی قرار گرفت. در این تحقیق از داده‌های کیفی 56 چاهک مشاهداتی که دارای پراکندگی مناسبی در کل دشت هستند، استفاده گردید. در این تحقیق داده‌های 46 چاهک مشاهداتی جهت واسنجی و داده‌های 10 چاهک دیگر جهت صحت‌ سنجی مدل‌ها استفاده شدند. نتایج نشان داد که روش‌های شبکه عصبی مصنوعی، <span dir="LTR">IDW</span> و کریجینگ<span dir="LTR"> (spherical) </span>به‌ترتیب جهت تخمین پارامترهای کیفی <span dir="LTR">CL</span>، <span dir="LTR">PH</span> و <span dir="LTR">EC</span> از دقت بیشتری نسبت به سایر مدل‌ها برخوردار بوده‌اند. البته مدل شبکه عصبی در تخمین هر سه پارامتر دارای دقت بسیار خوبی می‌باشد.در صورت کمبود وقت و همچنین نیاز به‌دقت قابل‌ قبول و ریسک کمتر در تخمین پارامترهای کیفی، استفاده از این مدل نسبت به سایر مدل‌های آماری به‌کار رفته ارجحیت دارد.</p> <p style="margin:0cm;margin-bottom:.0001pt;text-align:justify;text-justify: kashida;text-kashida:0%"><span style="font-size:10.0pt">Selection of optimum interpolation technique to estimate water quality parameters in unmeasured points plays an important role in managing the quality and quantity of water resources. The aim of this study is to evaluate the accuracy of interpolation methods using GIS and artificial neural network (ANNs) model. To this end, a series of qualitative parameters of samples from water taken from Dehgolan aquifer located in Kurdistan, Iran including CL, EC and PH were evaluated by any of the models. In this study, qualitative data from 56 observation wells with good dispersion in the whole plain was used. The data of 46 observation wells were used for calibration and the data of other 10 wells were used for verification of models.<span dir="RTL"> </span>The results showed ANNs, IDW, and Kriging excellence and accuracy over other models in estimation of quality parameters CL, PH and EC. However the ANNs model is more accurate than other models. In case of lack of time and the need for acceptable accuracy and less risk in the estimation of qualitative parameters, the use of ANNs model is superior to other statistical models used.<!--stripped--><!--stripped--></span></p> تخمین پارامترهای کیفی, شبکه عصبی مصنوعی, کریجینگ, IDW Estimation of qualitative parameters, IDW, Kriging, Neural networks. 197 210 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-1-230&slc_lang=fa&sid=1 M. Isazadeh محمد عیسی‌زاده mohammadisazade@gmail.com Yes 1. Dept. of Water Eng., Faculty of Agr. Tabriz Univ., Tabriz, Iran. 1. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز R. Arabzadeh رزگار عرب‌زاده No 2. Dept. of Water Eng., Faculty of Agr. Tehran Univ., Tehran, Iran. 2. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تهران S. Darbandi صابره دربندی No 1. Dept. of Water Eng., Faculty of Agr. Tabriz Univ., Tabriz, Iran. 1. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز