چکیده:
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. بدین منظور تا حال روش های مختلف صحرایی و آزمایشگاهی برای تخمین هدایت هیدرولیکی ارائه شده است که عموماً با استفاده از داده های هیدروژئولوژیکی انجام می شوند. از این میان بهترین و کاملترین روش، روش صحرایی آزمون پمپاژ می باشد که بسیار وقت گیر و پرهزینه بوده و پارامترهای هیدروژئولوژیکی تخمین زده شده به وسیله آنها دارای عدم قطعیت ذاتی می باشند. لذا در این تحقیق سعی بر آن داریم تا از روشهای هوش مصنوعی مختلف مانند شبکه عصبی مصنوعی(ANN)، فازی ممدانی(MFL)، فازی ساگنو(SFL) و سیستم استنتاج نرو-فازی تطبیقی(ANFIS) که در چند سال اخیر به طور گسترده ای مورد توجه قرار گرفته اند، برای پیش بینی هدایت هیدرولیکی استفاده شود. در این مطالعه برای تخمین دقیق هدایت هیدرولیکی در دشت مراغه- بناب توسط این مدلها از داده ای ژئوفیزیکی به همراه داده های هیدروژئولوژیکی استفاده شد و نتایج آنها باهم مقایسه و بهترین مدل انتخاب شد. این متدها می توانند بر نواقص موجود در روشهای فوق غلبه نمایند. روش های ارائه شده در این مطالعه که کارآیی بالایی در تخمین هدایت هیدرولیکی در دشت مراغه-بناب داشته است می تواند در تخمین هدایت هیدرولیکی در سایر دشتها با شرایط هیدروژئولوژیکی مشابه نیز مورد استفاده قرار بگیرند.
An accurate estimation of the hydrogeological parameters such as hydraulic conductivity, which is essential for careful management and protection of groundwater resources, is an important part of hydrogeological studies. Various field and laboratory methods, generally done using hydrogeological data, have already been proposed for estimating hydraulic conductivity. One of the best and the most complete methods is the field pumping test which is very time-consuming and expensive. In addition, hydrogeological parameters estimated by it have an inherent uncertainty. In this study, we tried to use artificial intelligence methods, widely considered in recent years, such as artificial neural network (ANN), mamdani fuzzy logic(MFL), sugeno fuzzy logic(SFL), and adoptive neuro-fuzzy inference system (ANFIS) for the estimation of the hydraulic conductivity. In this study, for the accurate estimation of the hydraulic conductivity in Maraghe-Bonab plain by these models, geophysical and hydrogeological data were used as models' inputs. Their results were compared with the evaluation criteria, and the best model based on the RMSE was selected. Accordingly, the ANFIS model, compared to other models, with an RMSE of 1.12 in the test phase has high power in the estimation of the hydraulic conductivity. Radius of clustering, number of fuzzy rules, and number of clusters are very important in fuzzy and neuro-fuzzy models. Radius of clustering in the ANFIS model, based on the minimum RMSE amount, was equal to 0.4 and the numbers of clusters, based on if-then fuzzy rules, was 9. The methods presented in this study, which demonstrated superior performance in estimating hydraulic conductivity of Maragheh-Bonab plain, can be used in estimating hydraulic conductivity of other plains with similar hydrogeological conditions.
خلاصه ماشینی:
مقایسه ی کارآیی مدلهای شبکه ی عصبی مصنوعی ، منطق فازی و سیستم استنتاج نرو-فازی تطبیقی در تخمین هدایت هیدرولیکی آبخوان دشت مراغه -بناب 1* عطاالله ندیری 2 سعید یوسف زاده چکیده تخمین دقیق پارامترهای هیدروژئولوژیکی مانند هدایت هیدرولیکی یکی از مهم ترین بخش مطالعات هیدروژئولوژی می باشد که برای مدیریت و حفاظت دقیق از منابع آب زیرزمینی بسیار ضروری است .
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.
بنابراین ؛ با توجه به اینکه هریک از متدهای هوش مصنوعی ، به صورت منفرد دارای قابلیت های بالایی در تخمین پارامترهای هیدروژئولوژیکی می باشند، در این تحقیق سعی شده است مدلهای شبکه عصبی مصنوعی (ANN)، منطق فازی ساگنو و ممدانی (SFL, MFL) و سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) در تخمین هدایت هیدرولیکی با به کارگیری دادههای ژئوفیزیکی مانند مقاومت ویژهی الکتریکی و همچنین دادههای هیدروژئولوژیکی ، در دشت مراغه - بناب باهم مقایسه شوند.
در این تحقیق برای تخمین هدایت هیدرولیکی با استفاده از دادههای ژئوفیزیکی ، بر روی مقایسه ی متدهای شبکه های عصبی مصنوعی (ANNs)، منطق فازی (FL) و سیستم استنتاج فزی - عصبی تطبیقی (ANFIS) تمرکز شده است .