محمد حسینی - کارشناس ارشد عمران سازه های هیدرولیکی،گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد لارستان،ایران،
علی حسینی - کارشناس عمران، گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد شیراز،ایران،

پیش بینی و تخمین پارمترهایی از قبیل دبی جریان در سالهای اخیر مورد علاقه بسیاری از هیدرولوژیستها بوده است. بدین منظور انواع گوناگونی از مدلهای عددی بوجود آمده و توسعه یافته اند. از نمونه مدلهای بوجود آمده می توان به روشهای آنالیز سری های زمانی، روش میانگین متحرک خود-رگرسیونی آرما، روش خود-رگرسیونی آر، شبکه های عصبی مصنوعی و... اشاره نمود. امروزه مدلهای بسیاری جهت بررسی و پیش بینی کیفیت آب مورد استفاده قرار می گیرند که بیشتر آنها نیازمند اطلاعات ورودی فراوان و غیر قابل دسترس هستند.در سالیان اخیر با افزایش وقوع خشکسالیها، میزان املاح در آب رودخانه ها در حال افزایش بوده و به طور متوسط در بیشتر رودخانه ها، این افزایش املاح به دو تا هفت برابر املاح در سالهای معمولی بالغ گردیده است. در این مقاله نیز تلاش می گردد که با توجه به خشکسالیهای به وقوع پیوسته در سالیان اخیر، تاثیر این پدیده بر کاهش کیفیت آب رودخانه کر واقع در استان فارس با استفاده از شبکه های عصبی مصنوعی مورد مطالعه قرار گیرد با استفاده از متغیرهای ورودی و با انتخاب 10 نرون در لایه پنهان، ضریب همبستگی در مرحله آموزش و تست به ترتیب برابر با982/0 و 943/0 بدست آید که مطابقت خوبی با داده های میدانی دارد.مدلسازی عصبی مصنوعی جهت تخمین دبی متوسط ماهانه نشان داد که با افزایش تعداد نرونها، دقت مدل (ضریب همبستگی) بالاتر رفته و نهایتا ضریب همبستگی در یک مقدار، تقریبا ثابت گشته و یا کمی کاهش می یابد.

شبکه عصبی مصنوعی ، روش خود رگرسیونی ، کیفیت آب، ضریب همبستگی