مقایسۀ کارایی مدلهای شبکۀ عصبی مصنوعی، منطق فازی و جنگل تصادفی در برآورد پارامتر قابلیت انتقال آبخوان دشت ملکان
نویسندگان
1 دانشجوی دکتری هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز، تبریز، ایران
2 استاد هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز، تبریز، ایران
3 دانشجوی دکتری هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز، تبریز، ایران
4 دانشیار هیدروژئولوژی، دانشکدۀ علوم طبیعی، دانشگاه تبریز، تبریز، ایران
doi
10.22059/ije.2018.239914.707چکیده
آبخوان دشت ملکان به عنوان یکی از آبخوانهای حوضۀ دریاچۀ ارومیه، به مدیریت صحیح کمی و کیفی نیاز دارد. روشهای مختلفی از جمله انجام آزمون پمپاژ، روشهای آزمایشگاهی، استفاده از ردیابها و روشهای ژئوفیزیکی برای ارزیابی پارامترهای هیدروژئولوژیکی و مدیریت مناسب آبخوانها وجود دارد. هر چند تعبیر و تفسیر دادههای بهدستآمده از آزمون پمپاژ، بهترین روش تخمین پارامترهای هیدروژئولوژیکی آبخوان است، اما این روش پرهزینه، وقتگیر و نتایج آن مختص به مناطق محدودی خواهد بود. با توجه به اینکه مدلهای هوش مصنوعی تواناییهایی در برآورد پارامترهای هیدروژئولوژیکی نشان دادهاند، در تحقیق حاضر کارایی مدلهای شبکههای عصبی مصنوعی، منطق فازی و جنگل تصادفی در برآورد پارامتر قابلیت انتقال آبخوان دشت ملکان بررسی شده است. پارامترهای ژئوفیزیکی و هیدروژئولوژیکی مرتبط با قابلیت انتقال، از جمله مقاومت عرضی، هدایت الکتریکی، ضخامت آبخوان و هدایت هیدرولیکی به عنوان مهمترین ورودی در این مدلها در نظر گرفته شده است. بر اساس نتایج بهدستآمده از بین مدلهای شبکۀ عصبی و فازی و جنگل تصادفی، مدل جنگل تصادفی دقت و توانایی بیشتری در شبیهسازی داشته است. نتایج بهدستآمده از شبیهسازی ( 96/0 = AUC، 001/0 = MSE و 986/0= R2) و تعیین مهمترین پارامترهای تأثیرگذار در پیشبینی قابلیت انتقال، گویای برتری این مدل نسبت به مدلهای شبکههای عصبی مصنوعی و منطق فازی در بحث پیشبینی است.