نرو-فازی

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. 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 کامل ترین روش، روش صحرایی آزمون پمپاژ می باشد که بسیار وقت گیر و پرهزینه بوده و پارامترهای هیدروژئولوژیکی تخمین زده شده به وسیله ی آنها دارای عدم قطعیت ذاتی می باشند. لذا در این تحقیق تلاش شد تا از روش های هوش مصنوعی مختلف مانند شبکه ی 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 مدل ها از داده های ژئوفیزیکی به همراه داده های هیدروژئولوژیکی به عنوان ورودی مدل ها 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=1.12 در مرحله ی تست، نسبت به مدل های دیگر قدرت بالایی در تخمین هدایت هیدرولیکی دارد. شعاع دسته بندی، تعداد قوانین فازی و تعداد دسته ها در مدل های فازی و نروفازی، از اهمیت بالایی برخوردار است. شعاع دسته بندی در مدل ANFIS، براساس کمترین مقدار RMSE برابر 4/0و تعداد قوانین فازی براساس تعداد دسته ها 9 قانون اگر-آنگاه به دست آمد. روش های 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 دشت ها با شرایط هیدروژئولوژیکی مشابه نیز مورد استفاده قرار بگیرند.