برآورد هدایت هیدرولیکی با استفاده از روش SCMAI ، مطالعه موردی: آبخوان دشت مراغه- بناب (آذربایجان شرقی)

امروزه آب زیرزمینی یکی از منابع اصلی آب آشامیدنی و کشاورزی و دیگر مصارف مختلف برای جوامع بشری است. با افزایش جمعیت و توسعه‎یافتگی جوامع، تقاضا برای این منبع طبیعی مهم و حیاتی و استراتژیک افزایش یافته است. این افزایش با کاهش منابع آبی با صدمه بر محیط آبخوانها همراه بوده است. بر این اساس برای رویارویی با بحران کم آبی و جلوگیری از تخریب آبخوان‎ها، مدیریت آنها و در پی آن شناخت دقیق متغیرهای هیدروژئولوژیکی به شدت احساس می شود. یکی از مهم‎ترین این متغیرها، هدایت هیدرولیکی است. با وجود اینکه، سامانه آب زیرزمینی یک سامانه پیچیده است و برآورد متغیرهای هیدروژئولوژیکی که معمولا با روش های کلاسیک مانند روش های آزمایشگاهی، اسلاگ تست، آزمایش ردیابی و آزمون های پمپاز انجام می گیرد؛ با عدم قطعیت ذاتی همراه بوده و پر هزینه و وقت‎گیر است. بنابراین، استفاده از روش های هوش مصنوعی برای برآورد هدایت هیدرولیکی، می تواند از عدم قطعیت این متغیر کم کند و تا حدودی بر دقت آن بیافزاید؛ تا بتواند بر نواقص موجود در روش های کلاسیک چیره شود. در این پژوهش چهار روش هوش مصنوعی، روش سامانه استنتاج فازی ممدانی، سامانه استنتاج فازی ساجنو، شبکه عصبی موجکی، و ماشین بردار پشتیبان کمینه مربعات به عنوان مدل های منفرد برای برآورد هدایت هیدرولیکی آبخوان مراغه بناب با استفاده از داده های ژئوفیزیکی سطحی در منطقه به کار گرفته شد. با توجه به اینکه هر کدام از مدل ها بر پایه ویژگی‎های ذاتی خود در بخشی از این محدوده نتایج خوبی ارائه دادند. بنابراین برای استفاده همزمان از کارایی همه این مدل ها روش ترکیب غیرخطی با عنوان مدل هوش مصنوعی مرکب نظارت شده (SCMAI) برای برآورد هدایت هیدرولیکی در دشت مراغه- بناب استفاده و نتایج آن با استفاده از معیارهای ارزیابی مختلف نشان داده شد. مدل SCMAI با استفاده از ۱۵ داده مورد آزمایش قرار گرفت. مقادیر RMSE و  به ترتیب برابر ۰۴۵/۰ و ۹۷/۰ به دست آمد. با مقایسه این مقادیر با مقادیر محاسبه شده برای مدل های منفرد یاد شده، دیده شد که مدل SCMAI با داشتن RMSE کمتر و بهتر از مدل های هوش مصنوعی منفرد است. این نتایج بیان می دارد که مدل SCMAI کارآیی بالایی در برآورد مقادیر هدایت هیدرولیکی در آبخوان آزاد و هتروژن دشت مراغه- بناب نشان می دهد.

کلیدواژه ها:

شبکه موجکی- عصبی ، ماشین بردار پشتیبان ، منطق فازی ، هدایت هیدرولیکی ، هوش مصنوعی مرکب نظارت شده