<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Iranian Jornal of Watershed Management Science&amp;Engineering</title>
<title_fa>مجله علوم ومهندسی آبخیزداری ایران</title_fa>
<short_title>jwmseir</short_title>
<subject>Agriculture</subject>
<web_url>http://jwmsei.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2008-9554</journal_id_issn>
<journal_id_issn_online>2008-9554</journal_id_issn_online>
<journal_id_pii>8</journal_id_pii>
<journal_id_doi>10.22034</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>14</journal_id_sid>
<journal_id_nlai>8888</journal_id_nlai>
<journal_id_science>13</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1395</year>
	<month>10</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2017</year>
	<month>1</month>
	<day>1</day>
</pubdate>
<volume>10</volume>
<number>35</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>ارزیابی کیفیت آب زیرزمینی برای مصارف کشاورزی با استفاده ازمدل استنتاج فازی</title_fa>
	<title>Groundwater Quality Assessment for Agricultural Purposes Using Fuzzy Inference Model</title>
	<subject_fa>تخصصي</subject_fa>
	<subject>Special</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p&gt;امروزه تغییر کیفیت و شور شدن آب&#8204;های زیرزمینی خطری بزرگ در راه توسعه کشاورزی به&#8204;خصوص در مناطق خشک و نیمه&#8204;خشک همچون ایران به شمار می&#8204;رود. در این تحقیق، کاربرد تئوری مجموعه فازی جهت ارزیابی میزان کیفیت آب زیرزمینی مورد بررسی قرار گرفته است. در سال&#8204;های اخیر، روش&#8204;هایی هوش مصنوعی تطبیق یافته&#8204;اند تا عدم قطعیت همراه با مسائل زیست&#8204;محیطی را در نظر بگیرند. منطق فازی یکی از روش&#8204;های مشهور تصمیم&#8204;گیری در محیط&#8204;های پیچیده و همراه با عدم قطعیت است. در این تحقیق کیفیت 49 نمونه آب زیرزمینی دشت سراب در سال ۱۳۹۳ که در آزمایشگاه آب&#8204;شناسی دانشگاه تبریز اندازه&#8204;گیری شده بودند؛ استفاده شده است. مقادیر شاخص&#8204;های آبیاری شامل نسبت جذب سدیم، شاخص تراوایی، نسبت کلی، نسبت جذب منیزیم، بیکربنات سدیم باقی&#8204;مانده، درصد انحلال سدیم و هدایت الکتریکی به&#8204;عنوان نماینده تمامی املاح محلول در آب، در این پژوهش استفاده گردید. با استفاده از مدل کیفی فازی، کیفیت آب زیرزمینی به سه طبقه مطلوب، قابل&#8204;قبول و غیرقابل&#8204;قبول تقسیم شد. نتایج نشان دادند؛ 41 نمونه در رده مطلوب و با سطح اطمینان 65 درصد تا 83 درصد و 26 نمونه در رده قابل&#8204;قبول و با سطح اطمینان 37 درصد تا 4/65 درصد قرار گرفتند. 3 نمونه باقیمانده نیز در رده غیرقابل&#8204;قبول و با حداکثر سطح اطمینان 4/23 درصد قرار گرفتند.&lt;/p&gt;
</abstract_fa>
	<abstract>&lt;p&gt;Nowadays, groundwater quality change and salinization of water resources is a major hazard to developing of agriculture, particularly in dry lands like Iran. In this study, the application of Fuzzy Set theory to evaluate quality of groundwater was studied. In recent years, artificial intelligence methods have adjusted to spot uncertainty in environmental problems. Fuzzy Logic is one of the popular methods for decision making in complex and uncertain environments. In this study, the 49 groundwater samples of Sarab plain in 2014 that analyzed in Hydrogeology laboratory of Tabriz University was used. Values of irrigation indices including the Sodium Absorption Ratio, Permeability Index, the Kelley Ratio, Magnesium Adsorption Ratio, Residual Sodium Bicarbonate, Dissolved Sodium Percentage and Electrical Conductivity as an indicator of total dissolved solids in water are used in this research. Based on Fuzzy Water Quality Model, the groundwater quality is classified in three categories desirable, acceptable and unacceptable. Results showed 41 Samples come in desirable category with certainty level of 65 to 83 percent and 26 samples classified in the acceptable category whose certainty level ranged from 37 to 65.4 percent and the remaining three samples were in rejected category with the maximum certainty level of 23.4 percent.&lt;/p&gt;
</abstract>
	<keyword_fa>مدل استنتاج فازی, دشت سراب, شاخص‌های آبیاری, قوانین فازی, مدل ممدانی.</keyword_fa>
	<keyword>: Fuzzy Inference Model, Sarab Plain, Irrigation Indices, Fuzzy Rules, Mamdani Model</keyword>
	<start_page>73</start_page>
	<end_page>80</end_page>
	<web_url>http://jwmsei.ir/browse.php?a_code=A-10-413-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Meysam</first_name>
	<middle_name></middle_name>
	<last_name>Vadiati</last_name>
	<suffix></suffix>
	<first_name_fa>میثم</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>ودیعتی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>meysam.vadiati@gmail.com</email>
	<code>10031947532846006393</code>
	<orcid>10031947532846006393</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Univeristy  of Tabriz</affiliation>
	<affiliation_fa>دانشگاه تبریز</affiliation_fa>
	 </author>


	<author>
	<first_name>Asghar</first_name>
	<middle_name></middle_name>
	<last_name>Asghari Moghaddam</last_name>
	<suffix></suffix>
	<first_name_fa>اصغر</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>اصغری مقدم</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>Moghadam @tabrizu.ac.ir</email>
	<code>10031947532846006394</code>
	<orcid>10031947532846006394</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Univeristy of Tabriz</affiliation>
	<affiliation_fa>دانشگاه تبریز</affiliation_fa>
	 </author>


	<author>
	<first_name>Mohammad</first_name>
	<middle_name></middle_name>
	<last_name>Nakhaei</last_name>
	<suffix></suffix>
	<first_name_fa>محمد</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>نخعی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>nakhaei@khu.ac.ir</email>
	<code>10031947532846006395</code>
	<orcid>10031947532846006395</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Kharazmi Univeristy</affiliation>
	<affiliation_fa>دانشگاه خوارزمی تهران</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
