مقایسه ی کارآیی مدل های شبکه ی عصبی مصنوعی، منطق فازی و سیستم استنتاج نرو-فازی تطبیقی در تخمین هدایت هیدرولیکی آبخوان دشت مراغه-بناب

تخمین دقیق پارامترهای هیدروژئولوژیکی مانند هدایت هیدرولیکی یکی از مهم­ترین بخش مطالعات هیدروژئولوژی می باشد که برای مدیریت و حفاظت دقیق از منابع آب زیرزمینی بسیار ضروری است. تا حال روش­های مختلف صحرایی و آزمایشگاهی برای تخمین هدایت هیدرولیکی ارائه شده است که عموما با استفاده از داده­های هیدروژئولوژیکی انجام می شوند. از این میان بهترین و کامل­ترین روش، روش صحرایی آزمون پمپاژ می باشد که بسیار وقت­گیر و پرهزینه بوده و پارامترهای هیدروژئولوژیکی تخمین زده شده به وسیله­ی آنها دارای عدم قطعیت ذاتی می باشند. لذا در این تحقیق تلاش شد تا از روش­های هوش مصنوعی مختلف مانند شبکه­ی عصبی مصنوعی (ANN)، فازی ممدانی (MFL)، فازی ساگنو (SFL) و سیستم استنتاج نرو-فازی تطبیقی (ANFIS) برای تخمین هدایت هیدرولیکی استفاده شود. در این مطالعه برای تخمین دقیق هدایت هیدرولیکی در دشت مراغه- بناب توسط این مدل­ها از داده­های ژئوفیزیکی به همراه داده های هیدروژئولوژیکی به عنوان ورودی مدل­ها استفاده شد و نتایج آنها با استفاده از معیارهای ارزیابی با هم مقایسه و بهترین مدل براساس مقدار RMSE انتخاب شد. بر این اساس مدل ANFIS با داشتن RMSE=۱.۱۲ در مرحله­ی تست، نسبت به مدل­های دیگر قدرت بالایی در تخمین هدایت هیدرولیکی دارد. شعاع دسته­بندی، تعداد قوانین فازی و تعداد دسته­ها در مدل­های فازی و نروفازی، از اهمیت بالایی برخوردار است. شعاع دسته­بندی در مدل ANFIS، براساس کمترین مقدار RMSE برابر ۴/۰و تعداد قوانین فازی براساس تعداد دسته­ها ۹ قانون اگر-آنگاه به دست آمد. روش­های ارائه شده در این مطالعه که کارآیی بالایی در تخمین هدایت هیدرولیکی در دشت مراغه-بناب نشان دادند، می تواند در تخمین هدایت هیدرولیکی در سایر دشت­ها با شرایط هیدروژئولوژیکی مشابه نیز مورد استفاده قرار بگیرند.

کلیدواژه ها:

هوش مصنوعی ، شبکه عصبی مصنوعی ، منطق فازی ، نرو-فازی ، هدایت هیدرولیکی