عطاالله ندیری - دانشجوی دکتری/ هیدروژئولوژی، دانشگاه تبریز، تبریز، ایران
اصغر اصغری مقدم - استاد /دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران.
هیراد عبقری - استادیار /دانشکده منابع طبیعی دانشگاه ارومیه، ارومیه، ایران.
الهام فیجانی - دانشجوی دکتری/ هیدروژئولوژی، دانشگاه تبریز، تبریز، ایران

پارامترهای هیدروژئولوژیکی از جمله قابلیت انتقال یکی از مهمترین پارامترهای ورودی در مدل سازی آبهای زیرزمینی است که عموما تعیین آن برای نقاط مختلف آبخوان با هزینه های فراوانی انجام می گیرد. آبخوان دشت تسوج یکی از آبخوانهای حاشیه دریاچه ارومیه می باشد که در دهه اخیر با افت سطح آب زیرزمینی مواجه شده و نیازمند مدیریت کمی و کیفی است. بنابراین، در این تحقیق به عنوان مرحله اول، از مدل های منطق فازی، شبکه عصبی مصنوعی و نوروفازی برای برآورد قابلیت انتقال استفاده شد. سپس با توجه به پیچیدگی سیستم های هیدروژئولوژیکی، در این مطالعه روش ترکیبی از مدل های هوش مصنوعی پیشنهاد شده است که مدل هوش مصنوعی مرکب (Committee machine (CM)) خوانده می شود. با توجه به این که هر یک از مدل های فازی، شبکه عصبی مصنوعی و نوروفازی توانایی هایی در برآورد پارامترهای هیدروژئولوژیکی نشان داده اند، لذا در این روش ترکیبی از این مدل ها برای پیش بینی قابلیت انتقال استفاده شده است. به طوری که خروجی هر مدل با وزن بهینه شده بوسیله روش الگوریتم  بهینه سازی جامعه ذرات، به خروجی مدل ترکیبی ارائه شده انجامید. در این مطالعه از متغیرهای ژئوفیزیکی و هیدروژئولوژیکی مرتبط با قابلیت انتقال مانند مقاومت عرضی (Rt)، هدایت الکتریکی (EC) و ضخامت آبخوان(B)  و همچنین موقعیت جغرافیایی به عنوان ورودی برای برآورد قابلیت انتقال استفاده شد. بر اساس نتایج بدست آمده مدل ترکیبی پیشنهاد شده نسبت به هریک از مدل های فازی، شبکه عصبی مصنوعی و نوروفازی نتایج بهتری نشان دادند.

آبخوان دشت تسوج, منطق فازی, قابلیت انتقال, شبکه عصبی مصنوعی, مدل هوش مصنوعی مرکب, نوروفازی