چکیده شهرستان اندیمشکدربخششمالیاستانخوزستاندردامنه هایجنوبیرشته کوه زاگرسدرجنوبغربیایراناست. کلمنطقهموردمطالعهkm2 3100 است. براساسآخرینسرشماریتوسطمرکزآمارایراندرسال1390،کلجمعیتاینشهرستان 167126 نفردرمیانآن ها 128774 نفردرمناطقشهریسکونتدارندو 34985 نفردرمناطقروستاییزندگیمیکنند. متوسطبارشسالانهدرمنطقهحدود 353 میلی متراستوبهره برداریبهطورمتوسطازمنابعآبهایزیرزمینی 133981 هزار مترمکعبدرسالبراساسگزارشتهیهشدهتوسطآبوبرقخوزستاندرسال1390 است. دشت شوش با وسعت km2532 درغرب استان خوزستان و در حد فاصل عرض شمالی´6/°32 تا´21 /°32 و طول شرقی´11/°48 تا ´24/°48 قرار دارد. بر اساس آخرین سرشماری توسط مرکز آمار ایران در سال 1390، کل جمعیت این شهرستان 202762 نفر در میان آن ها 115028 نفر در مناطق روستایی و 86967 نفر شهری و مابقی غیر ساکن می باشند. جهت و شیب هیدرولیکی آب زیرزمینی به تبعیت از وضعیت توپوگرافی عمدتاً از شمال شرق به سمت جنوب غرب و بخش های میانی دشت جریان دارد. متوسط بارندگی در این دشت 309 میلی متر می باشد. آبخوان دشت اندیمشک و شوش که منبع عمد? تأمین آب شرب وکشاورزی می باشند نسبت به منابع آلاینده نقطه ای و غیر نقطه ای آسیب پذیر می باشد. به دلیل وجود زمین های حاصل خیز، مورد استفاده کشاورزی قرار گرفته که بیشتر آن ها از طریق آب چاه های زیر زمینی مورد آبیاری قرار می گیرند، با توسعه فعالیت های کشاورزی استفاده از انواع کودها مطرح می گردد. که توسط آبیاری شسته و به سمت آب های زیرزمینی منتج می شوند. دراین تحقیق،بااستفادهازمتغیرهای کیفیآبهایزیرزمینی (ec،tds،کدورت،ph،سختیکل،کلسیم،منیزیم،سولفات،فسفات،نیترات،نیتریت،فلوئور،کلر،آهن،منگنز،مس،کروم (vi)) درحلقه هایچاهوچشمهدرمدتزمانهشتسال (1385-1392) برایمحاسبهشاخصکیفیآببااستفاده از مدلشبکه عصبی درشهرستاناندیمشکواقعدرجنوبغربیایران و شهرستان شوش استفاده شد. در این تحقیق ما یک شبکه عصبی مصنوعی سه لایه با الگوریتملونبرگ - مارکوارت، برای پیش بینی شاخص کیفی آب در آب های زیرزمینی اندیمشک در جنوب غربی ایران به کار بردیم نتایج نشان دادند که میانگین کلی با اتمام پیش از موقع، عملکرد بهتری را نشان می دهد. به منظور بررسی بیش برازش روش های گروه بندی، خطای گروه بندی یک تابع متمایز کننده توسعه یافته روی مجموعه داده های کیفی آب های زیرزمینی متعلق به یک دوره هشت سال در شهرستان شوش نتایج نشان دادند اگر ما از روش های انتخاب متغیر همراه با تجزیه و تحلیل متمایز کننده برای انتخاب متغیرهایی با بالاترین قدرت تمایز استفاده کنیم، خطای تعمیم به طرز معناداری کاهش می یابد.