مقایسه روش های شبکه عصبی و نروفازی برای بهبود چهار چوب عملی دراستیک (مطالعه موردی: آبخوان دشت شبستر)
نویسندگان
1 دانشگاه تبریر، دانشکده علوم طبیعی، گروه علوم زمین
2 گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران
3 دانشگاه تبریز، دانشکده علوم طبیعی، گروه علوم زمین
4 گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز
doi
چکیده
رشد روزافزون جمعیت و افزایش نیازهای آبی، استفاده از منابع آب شیرین بویژه منابع آب زیرزمینی را افزایش داده است. به همین جهت ارزیابی آسیبپذیری آبهای زیرزمینی روشی مناسب برای شناخت مناطق آسیب-پذیر و محافظت از این منابع به شمار میرود. دشت شبستر در استان آذربایجانشرقی یک منطقه فعال از نظر کشاورزی است و استفاده از منابع آب زیرزمینی در آن به علت کمبود منابع سطحی از اهمیت فوقالعاده زیادی برخوردار است. در این مطالعه از چهار چوب عملی دراستیک برای ارزیابی آسیبپذیری آبخوان دشت شبستر استفاده شده است. مقدار شاخص آسیبپذیری دراستیک در منطقه مورد مطالعه برابر3/53 تا 3/118محاسبه شد. با توجه به اینکه ضرایب وزنی اختصاص یافته به هر پارامتردراستیک، تا حدودی از روی نظر کارشناسی است بنابراین هدف اصلی این مطالعه بهبود دراستیک با دو مدل شبکه عصبی و نروفازی بوده است. ورودی های دراستیک به عنوان ورودی هر دو مدل هوش مصنوعی قرار داده شدند. شاخص دراستیک تصحیح شده با غلظت نیترات به عنوان خروجی مدل در نظر گرفته شد. مقادیر نیترات به دو دسته آموزش و آزمایش دستهبندی شد. پس از آموزش هر دو مدل، نتایج مدل در مرحله آزمایش با غلظت نیترات مورد ارزیابی قرار گرفت. نتایج نشان داد هر دو مدل هوش مصنوعی توانایی بالایی جهت بهبود مدل دراستیک دارند. با این وجود مدل نروفازی با داشتن ضریب همبستگی بالاتری با نیترات روشی مناسب جهت ارزیابی آسیبپذیری آبخوان دشت شبستر بوده است.