به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

fuzzy logic

در نشریات گروه زمین شناسی
تکرار جستجوی کلیدواژه fuzzy logic در نشریات گروه علوم پایه
  • امیر صابری نصر*، مجید دشتی برمکی

    از جمله روش های حفظ منابع آب در مناطق خشک و نیمه خشک مانند ایران، ساخت سدهای زیرزمینی است، اما یافتن مکان های مناسب برای ساخت این سازه های آبی همچنان یک چالش است. هدف این مقاله مکان یابی ساخت سد زیرزمینی با استفاده از سیستم اطلاعات جغرافیایی و سیستم های تصمیم گیری است. در ابتدا نقشه های موضوعی مشتمل بر وضعیت زمین شناسی، کاربری اراضی، پتانسیل زمین لغزش، توپوگرافی، تنش آبی، محدوده آبخوان ها و فاصله از سد، روستا، قنات، آبراهه، گسل، فرودگاه و جاده در محیط ArcGIS تهیه شدند و امتیازدهی آن ها با استفاده از فرآیند تحلیل سلسله مراتبی و منطق فازی انجام گرفت. در نهایت، با حذف مناطق نامناسب و ممنوعه در ایجاد سد زیرزمینی، نقشه نهایی پتانسیل این سازه تهیه گردید. نتایج نشان می دهد که استان های خراسان رضوی و جنوبی، کرمان، یزد، سیستان و بلوچستان، همدان، قزوین، زنجان و تا حدودی استان های مرکزی و قم از پتانسیل بالاتری نسبت به سایر استان های کشور برای احداث سدهای زیرزمینی برخوردارند. در نهایت، نتایج ارائه شده جهت صحت سنجی با چندین پروژه موفق سد زیرزمینی در کشور تطبیق داده شد که حاکی از تطابق نسبتا خوب نقشه پتانسیل با سازه های اجرا شده بود.

    کلید واژگان: مکان یابی، سد زیرزمینی، تحلیل سلسله مراتبی، منطق فازی
    Amir Saberinasr*, Majid Dashti Barmaki

    One of the strategies for water storage in arid and semi-arid areas such as Iran is the construction of underground dams; however, identifying suitable sites for the construction of these structures remains a major challenge. The aim of this paper is to identify the optimal locations for the construction of underground dams using a geographic information system and multi-criteria decision making techniques. Firstly, thematic maps were prepared in ArcGIS environment including geological condition, land use, landslide potential, topography, water stress, aquifer area and distance from dam, village, qanat, stream, fault, airport and road. Hierarchical analysis and fuzzy logic methods were used to weight the prepared maps. By removing unsuitable and restricted areas for the construction of underground dams, a final potential map for this structure was prepared. The results show that the provinces of Razavi and South Khorasan, Kerman, Yazd, Sistan and Baluchistan, Hamedan, Qazvin, Zanjan, Markazi and Qom have greater potential for the construction of underground dams than other provinces in the country. Finally, to validate the results, a comparison was made between the results presented in this study and several successful underground dam projects in the country, showing a relatively close match between the potential map and the implemented structures.

    Keywords: Site Selection, Underground Dam, Analytical Hierarchy Process, Fuzzy Logic
  • طاهره آذری، سکینه داداشی، فاطمه کاردل*

    ارزیابی کیفی آب های ساحلی که تحت تاثیر شوری آب دریا قرار می گیرند را می توان با استفاده از پارامتر کلراید موجود در آب زیرزمینی انجام داد. این تحقیق یک روش ماشین مرکب هوش مصنوعی نظارت شده (SAICM) را جهت پیش بینی دقیق غلظت کلراید آب زیرزمینی دشت ساری پیشنهاد می دهد. SAICM با ترکیب غیرخطی مدل های هوش مصنوعی، غلظت کلراید را به عنوان خروجی مدل پیش بینی می کند. در این تحقیق از روش آنالیز مولفه های اصلی (PCA)، جهت شناسایی پارامترهای هیدروشیمیایی موثر مرتبط با غلظت کلراید به عنوان مولفه های ورودی به مدل های هوش مصنوعی استفاده شده است. بر اساس نتایج حاصل از PCA، پارامترهای (Na, K, EC, TDS, SAR)، به عنوان مولفه های ورودی مدل های هوش مصنوعی انتخاب گردید. در ابتدا چهار مدل هوش مصنوعی، منطق فازی سوگنو، منطق فازی ممدانی، منطق فازی لارسن و شبکه عصبی مصنوعی جهت پیش بینی غلظت کلراید طراحی گردید. بر اساس نتایج حاصل از مدل سازی، تمامی مدل ها برازش مناسبی با داده های کلراید در دشت ساری نشان داده اند. سپس مدل ترکیبی SAICM ساخته شد که نتایج حاصل از پیش بینی 4 مدل AI جداگانه را با استفاده از ترکیب کننده غیرخطی ANN ، ترکیب نموده و غلظت کلراید را با دقت بیشتری تعیین می کند. نتایج نشان می دهد مدل ماشین مرکب پیشنهاد شده SAICM می تواند غلظت کلراید را با دقت بسیار بالاتری نسبت به روش های جداگانه، تخمین بزند.

    کلید واژگان: شبکه عصبی مصنوعی، ماشین مرکب، منطق فازی، کیفیت آب زیرزمینی، آنالیز مولفه های اصلی
    Tahereh Azari, Sakineh Dadashi, Fatemeh Kardel*

    Qualitative assessment of coastal waters affected by seawater salinity can be done using the parameter of chloride in groundwater. This research proposes a supervised artificial intelligence committee machine (SAICM) method for accurate prediction of chloride concentration in groundwater of Sari plain. SAICM predicts chloride concentration as the output of the model by non-linear combination of artificial intelligence models. In this research, Principal Component Analysis (PCA) method was used to identify effective hydrochemical parameters related to chloride concentration as input components to artificial intelligence models. Based on the results of PCA, parameters (Na, K, EC, TDS, SAR) were selected as input components of artificial intelligence models. Firstly, four artificial intelligence models, Sogno fuzzy logic, Mamdani fuzzy logic, Larsen fuzzy logic and artificial neural network were designed to predict chloride concentration. Based on the modelling results, all the models showed a good fit with the chloride data in Sari Plain. Then, the combined SAICM model was built, which combines the prediction results of 4 separate AI models using the nonlinear ANN combiner and determines the chloride concentration more accurately. The results show that the proposed SAICM can estimate chloride concentration with much higher accuracy than individual methods.

    Keywords: Artificial Neural Network, Committee Machine, Fuzzy Logic, Ground Water Quality, Principal Component Analysis
  • Doğukan Kartal *, Asena Soyluk

    Natural disasters are rather unpredictable and can interrupt human life, cause economic damage and even take lives. Even though they are mostly unpredictable, there are methods for assessing the risks of natural disasters, one of which is the Fine-Kinney, which was originally used for assessing industrial accident risks. Even though the method has been applied to natural disasters, the results are not very rational and precise because of the dissimilarity between both phenomena. Here we adapt the Fine-Kinney method by fuzzification to produce fast and reliable results in the building environment for natural disasters, even in situations where there is limited data. Both standard and fuzzy Fine-Kinney methods are applied to the Mustafakemalpaşa district in Bursa, Turkey, as a case study. The results of this case study are compared with the risk maps provided by the local government, to prove the accuracy and reliability of the method. While both methods produced similar and reliable results when compared to the risk maps, the Fuzzy Fine-Kinney results were more realistic because of the nature of fuzzy logic.

    Keywords: Fuzzy Logic, Fine-Kinney, Risk Assessment, Natural Disasters
  • ثریا نوری سنگراب، اصغر اصغری مقدم*، ناصر جبرائیلی اندریان
    طی سال های اخیر، با توجه به روند کاهشی بارش و افزایش پمپاژ از منابع آب زیرزمینی، نگرانی هایی از مخاطرات ناشی از کاهش حجم ذخایر آبخوان و افت سطح آب زیرزمینی و فرونشست زمین ایجاد شده است. در دشت عجب شیر نیز به دلیل کاهش تدریجی سطح آب زیرزمینی، برآورد فرونشست و بررسی پتانسیل فرونشست برای جلوگیری از مخاطرات زیان بار آن در آینده، ضروری به نظر می رسد. بدین منظور، با استفاده از چهارچوب ALPRIFT که شامل هفت لایه از پارامترهای موثر بر فرونشست می باشد، نقشه پتانسیل فرونشست آبخوان پهنه بندی شد. شاخص پتانسیل فرونشست در دو محدوده کم و متوسط به دست آمد. در مرحله بعد با استفاده از عکس های ماهواره ای Sentinel-1، فرونشست در طی سال های 1399-1400، به مقدار 2/4 سانتی متر برآورد گردید که همبستگی معناداری با تراز آب زیرزمینی سال آبی 1400-1399 و پتانسیل فرونشست داشت. همچنین در ادامه، برای رفع نقص اعمال نظرات کارشناسانه و افزایش همبستگی بین فرونشست (Insar) و ALPRIFT، از روش های بهینه سازی هوش مصنوعی شامل منطق فازی (ساجنو) و الگوریتم ژنتیک استفاده شد که از بین این مدل، روش فازی ساجنو بهترین همبستگی بین دو نقشه فرونشست و ALPRIFT را ارایه داد. همبستگی بین فرونشست با ALPRIFT، ALPRIFT-GA و ALPRIFT-SFL به ترتیب 0/46، 0/62 و 0/72 به دست آمد.
    کلید واژگان: آبخوان دشت عجب شیر، فرونشست، ALPRIFT، الگوریتم ژنتیک، منطق فازی
    Soraya Nouri -Sangarab, Asghar Asghari - Moghaddam *, Nasser Jabraeeli-Andrian
    Recently, due to the trend of decreasing rainfall and increasing groundwater pumping rate, there have been concerns about the risks caused by the decrease in the volume of aquifer reserves and the drop in the groundwater level, and as a consequence the land subsidence. Also, in Ajabshir plain due to a gradual decrease in the water level, it is necessary to estimate the subsidence and investigate the subsidence potential to prevent its harmful risks in the future. For this purpose, using the ALPRIFT framework, which includes seven layers of parameters affecting subsidence, the subsidence potential map was zoned. The subsidence potential index was obtained in low and moderate ranges. In the next step, using Sentinel-1 satellite images, the subsidence during the years 2020-2021 was estimated to be 2.4 cm, which had a significant correlation with the groundwater level of the water year 2020-2021 and subsidence potential. In addition, artificial intelligence optimization methods including fuzzy logic (Sugeno) and genetic algorithm were used in order to fix the defects of applying expert opinions and increase the correlation between subsidence (Insar) and ALPRIFT, among these models, Sugeno's fuzzy method provided the best correlation between the two subsidence maps and ALPRIFT. The correlation between subsidence with ALPRIFT, ALPRIFT-GA and ALPRIFT-SFL was obtained as 0.46, 0.62 and 0.72 respectively.
    Keywords: Ajabshir Plain Aquifer, subsidence, Sentinel-1, ALPRIFT, Genetic Algorithm, Fuzzy logic
  • سروش مدبری*، مینا آذری فر، ثمین شمس الدین احمدی، داود رئیسی

    پهنه سربیشه در غرب شهر سربیشه و جنوب شرقی بیرجند، استان خراسان جنوبی، واقع است. این منطقه در زون آمیزه افیولیتی بیرجند قرار دارد و بخش شمالی کمربند فلززایی ایرانشهر- بیرجند را شامل می‌شود. واحدهای سنگ‌شناسی منطقه شامل آمیزه افیولیتی، رسوبات رخساره فلیش، سنگ‌های آذرآواری و رسوبات کواترنری است. مطالعات ژیوشیمیایی رسوب آبراهه‌ای و شناسایی شاخص‌های ژیوشیمیایی مرتبط با ذخایر معدنی منطقه، با استفاده از نتایج تجزیه ژیوشیمیایی و به روش تحلیل مولفه‌های اصلی انجام شده است. مطالعات سنجش از دور به روش ترکیبات رنگی بر روی تصویر ماهواره‌ استر و لندست، و همچنین تحلیل مولفه‌های اصلی انتخابی (کروستا) بر روی تصویر ماهواره لندست 8، به منظور شناسایی زون‌های دگرسانی انجام شده است. خطواره‌های منطقه به روش فیلتر بالاگذر از تصویر ماهواره استر و تصویر گوگل طراحی شد. در نهایت با ایجاد لایه‌های شاهد از واحدهای زمین‌شناسی، داده‌های ژیوشیمیایی، دگرسانی و خطواره‌های گسلی و تلفیق فازی آنها مناطق مستعد کانه‌زایی عناصر نیکل، کروم، کبالت، مس، سرب، روی و منیزیت بارزسازی شد.

    کلید واژگان: پتانسیل معدنی، تحلیل مولفه های اصلی، ترکیب داده ها، دگرسانی، منطق فازی
    Modabberi.S, Azarifar. M, Shamsoddin Ahmadi S, Raeisi.D

    Sarbisheh area is located in the west of Sarbisheh and southeast of Birjand, South Khorasan province. This area is located in the Birjand ophiolite melange zone and is a part of the northern part of the Iranshahr-Birjand metallogenic belt. The lithological units in this area include ophiolite melange, flysch facies sediments, pyroclastic rocks and Quaternary sediments. Geochemical studies of stream sediments and identification of geochemical indicators of mineral resources in the region were performed using the results of geochemical analysis and principal component analysis. Remote sensing studies were performed on the ASTER and Landsat satellite images using color composite, selective principal component analysis (crusta) on the Landsat 8 satellite imagery to identify the alteration zones. The lineaments of the region were drawn using the high-pass filter method of the ASTER satellite image and the Google image. Finally, by creating layers of geological units, geochemical data, alteration and lineament and integrating them with fuzzy method, areas with potential mineralization of nickel, chromium, cobalt, copper, lead, zinc and magnesite were identified.

    Keywords: Mineral potential, Data composition, Principal component analysis, Alteration, Fuzzy logic
  • پیام اخلاص پور، احمد عباس نژاد، مجید نعمتی*

    این پژوهش برای بررسی خطر زمین لرزه در استان کرمان، با به کارگیری سامانه اطلاعات جغرافیایی و به کمک روش منطق فازی انجام گرفته است. نخست، معیارهای لازم مانند گسل های جنبا، زمین لرزه های تاریخی، پیش دستگاهی و دستگاهی، سازوکار زمین لرزه های دستگاهی، زمین ریخت شناسی (ارتفاع و شیب)، استحکام مواد بستری و زمین ساخت [3] جنبا در گستره استان کرمان و هم چنین زیرمعیارهای آن هاکه در پهنه بندی خطرزمین لرزه دخیل بوده اند، بررسی و ارزیابی شده و به لایه های اطلاعاتی در محیط سامانه اطلاعات جغرافیایی تبدیل گردیدند. اولویت زیرمعیارهایی چون درازا، سازوکار و جنبش گسل و هم چنین بزرگا و ژرفای زمین لرزه ها برای نخستین بار، درتهیه نقشه پهنه بندی خطر زمین لرزه توسط روش فازی رعایت شده است. کاربرد منطق فازی در برآورد خطر زمین لرزه، یعنی، وزن دهی لایه های اطلاعاتی و اولویت دهی به آن ها، به کمک روش منطق فازی و به کارگیری نرم افزار های ArcGIS و Expert Choice صورت گرفت. در پایان، لایه های اطلاعاتی به دست آمده در محیط نرم افزار ArcGIS هم آمیخت شده و گستره های گوناگون استان از دیدگاه خطر زمین لرزه، در نقشه پهنه بندی خطر زمین لرزه استان کرمان به گستره هایی با خطر لرزه ای خیلی زیاد (نوار کوه بنان- لکرکوه- گلباف - بم و گستره های بردسیر و ریگان)، گستره هایی با خطر متوسط (شهربابک، سیرجان و رفسنجان) تا گستره های کم خطر (باختر استان، لوت و جازموریان) دسته بندی شدند.

    کلید واژگان: استان کرمان، زمین لرزه، پهنه بندی، خطر زمین لرزه، سامانه اطلاعات جغرافیایی، منطق فازی
    Payam Ekhlaspour, Ahmad Abbasnejad, Majid Nemati*

    This research is performed to investigate earthquake hazard using Geographical Information System (GIS) and Fuzzy Logic method. First, the necessary factors like active faults; historical, pre-instrumental and instrumental earthquakes; focal mechanism of instrumental earthquakes; geomorphology (elevation and dip), toughness of sediments and active tectonic and also their sub-criteria, which impress earthquake hazard are investigated and changed as information layer in GIS. For the first time, preference of sub- criteria like magnitude and depth of the earthquakes have been regarded. Fuzzy Logic (weighting layers and preferencing them using ArcGIS and Expert Choice software) is applied in earthquake hazard investigation. Finally, in earthquake hazard map of Kerman province, achieved information layers in Arc GIS were merged and various areas (earthquake hazard point of view) were classified to high risk (Kuhbanan, Lakarkuh, Golbaf, Bam, Bardsir and Rigan), moderate risk (Shar-e Babak, Sirjan and Rafsanjan) and low risk (west of the province, Lut and Jazmurian) areas.

    Keywords: Kerman province, Earthquake, Zoning, Earthquake Hazard, Geographic Information System, Fuzzy Logic
  • Elham Fijani *, Saeid Hayati, Morteza Mozafari
    Due to the unsustainable groundwater utilization in the alluvial water resources, groundwater exploration in the karstic areas is the key concern for many developing countries. The purpose of this study is groundwater prospectivity modeling for recognizing karstic water-bearing zones in the southeast of Damavand Mountain, Iran. To do so, seven major geological and hydrogeolgical factors, including lithology, slope, distance from faults, vegetation, temperature, precipitation, and fracture density were considered. Then, all these thematic layers were weighted and combined using fuzzy logic and Analytical Hierarchy Process (AHP) operators by employing GIS software to generate four different models. Finally, the zoning map was classified into three classes (low, medium, and high), and the resultant maps verified by discharges of karstic springs in the study area. The results indicated that AHP-Fuzzy method has better performance than other models. According to this model, around 62.23% of the study area is classified as being at low and 15.72% as moderate groundwater potential while the remainder is categorized as high potential. The proposed model provides an appropriate approach to assess the groundwater potential for the study area, therefore, it can be concluded that RS and GIS coupling with other algorithms such as fuzzy and AHP are reliable tools in evaluation of karstic groundwater resource potential areas.
    Keywords: groundwater prospectivity modeling, karstic water, Fuzzy logic, Analytical Hierarchy Process (AHP), Damavand Mountain
  • الهام ابراهیم زاده، ابراهیم رحیمی*، وحید باقری
    تعیین مناطق حساس و مستعد لغزش، زمینه ای برای برنامه های پایدارسازی دامنه ها و کاهش خسارات احتمالی فراهم می آورد. در حوضه آبریز حبله رود از شبکه های عصبی مصنوعی و منطق فازی (FL) به عنوان یکی که از روش های تحلیل تصمیم گیری چند معیاره مبتنی بر ArcGIS در ارزیابی علمی نواحی مستعد زمین لغزش، استفاده شده است. در این زمینه از نرم افزارهای MATLAB، IDRISI وArcGIS بهره گرفته شد. بعد از تهیه نقشه های حساسیت زمین لغزش، پهنه های مستعد پیش بینی شده توسط منطق فازی و شبکه عصبی مصنوعی پرسپترون چندلایه (MLP-ANN) ، با بانک اطلاعاتی (نقشه پراکنش) زمین لغزش های حوضه مقایسه شدند. نتایج، بیانگر هم پوشانی خوب بین پهنه های مستعد پیش بینی شده توسط شبکه عصبی مصنوعی پرسپترون چندلایه و برداشت های صحرایی زمین لغزش می باشد. نهایتا، عملکرد روش های مختلف در تولید نقشه های حساسیت زمین لغزش با استفاده از شاخص های صحت سنجی "جمع مطلوبیت (Qs)" و "منحنی مشخصه عملکرد سیستم (ROC)" با یکدیگر مقایسه شد تا روش مطلوب و کاربردی برای مدیریت خطر زمین لغزش حوضه تعیین شود. با تحلیل نقشه های پهنه بندی و با توجه به مقادیر جمع مطلوبیت و مقدار "سطح زیر منحنی (AUC)" حاصله مشاهده می شود که مقدار Qs (1.6299) و AUC (0.806- خیلی خوب) حاصل از MLP-ANN، بیشتر از مقداری است که برای نقشه های حساسیت حاصل از عملگرهای مختلف FL محاسبه شده است.
    کلید واژگان: زمین لغزش، نگاشت حساسیت، حوضه آبریز حبله رود، منطق فازی، شبکه عصبی مصنوعی پرسپترون چندلایه
    Elham Ebrahimzadeh, Ebrahim Rahimi *, Vahid Gagheri
    Identifying landslide-prone areas provides a basis for slope-stabilization and mitigation programs. In Hablehroud watershed, artificial neural network and fuzzy logic (FL) as one of the methods of multicriteria-decision analysis based on ArcGIS were used in the scientific evaluation of landslide-prone areas. For this purpose, MATLAB, IDRISI and ArcGIS software were used. After preparing landslide-susceptibility maps, the prone zones predicted by FL and multilayer perceptron artificial neural network (MLP-ANN) were compared with the Hablehroud landslide database (distribution map). The results indicate a good overlap between the prone zones predicted by the MLP-ANN and landslide field observations. Finally, the performance of different methods in generating landslide-susceptibility maps were compared to each other using the validation indicators of "quality-sum index (Qs)" and "receiver-operating-characteristic curve (ROC)" to specify the optimal and applicable method for the landslide risk management of the Hablehroud watershed. By analyzing the obtained zoning maps and considering the Qs and "area-under curve (AUC)" values of different FL operators and MLP-ANN for the landslide-susceptibility maps, it is observed that the Qs (1.6299) and AUC (0.806–very good) values of the MLP-ANN are higher than those calculated for the sensitivity maps by different FL operators.
    Keywords: Landslide, Sensitivity mapping, Hablehroud watershed, Fuzzy logic, Multilayer perceptron artificial neural network
  • غزاله محبی تفرشی*، محمد نخعی، راضیه لک

    فرونشست زمین فرآیندی غیرخطی و پیچیده است که مدل های هوش محاسباتی داده مبنا قادر هستند به مدلسازی آن بپردازند. در این مطالعه میزان دقت و کارایی مدل هیبرید برنامه ریزی بیان ژن - منطق فازی در برآورد خطر رخداد فرونشست زمین و عوامل موثر بر آن در آبخوان ورامین مورد ارزیابی قرار گرفت. بدین منظور پس از انتخاب و جمع آوری اطلاعات 15 فاکتور موثر بر رخداد فرونشست بر اساس سوابق تحقیق در محیطGIS، در مرحله اول توسط توابع عضویت فازی، این فاکتورها استاندارد شدند و سپس جهت تلفیق لایه ها از روش برنامه ریزی بیان ژن استفاده گردید. در نهایت با استفاده از 7 سنجنده آماری مهم بر مبنای داده های تصاویر رادار به صحت سنجی مدل بر مبنای 4 سناریوی متفاوت در داده های ورودی و عملگرها پرداخته شد. نتایج نشان داد سناریوی 1 با پارامترهای ورودی تراز سنگ بستر، دبی، افت آبهای زیرزمینی، زمین شناسی و عملگرهای -,+,×,÷,sqr,exp,Ln,^2,^3,3Rt,sin,cos,Atan، بهترین سناریو در مرحله آموزش و آزمون می باشد. بر همین اساس پارامتر افت آبهای زیرزمینی بیشترین تاثیر را بر میزان فرونشست زمین در منطقه مورد مطالعه داشته است.

    کلید واژگان: آبخوان ورامین، فرونشست زمین، برنامه ریزی بیان ژن، منطق فازی، سیستم اطلاعات جغرافیایی
    Ghazaleh Mohebbi Tafreshi*, Mohammad Nakhaei, razieh Lak

    Land subsidence is a nonlinear and complex process that data-driven computational intelligence models can model it. In this study, the accuracy and efficiency of hybrid fuzzy logic gene expression planning hybrid model in estimating land subsidence risk and its factors in Varamin aquifer standardized. For this purpose, after selecting and gathering information from 15 factors affecting the subsidence event based on research records in the GIS environment, they were first standardized by fuzzy membership functions and then gene expression programming method was used to integrate the layers. Finally, using seven important statistical benchmarks based on radar image data, the model was validated in 4 different scenarios in input data and operators. The results showed scenario 1 with input parameters of bedrock level, Debi of pumping wells, groundwater drawdown, geology and operators, +, - ×, ÷, sqr, exp, Ln, ^ 2, ^ 3,3Rt, sin, cos, Atan, is the best model in training and testing. Accordingly, the groundwater drawdown parameter had the highest effect on land subsidence in the study area.

    Keywords: Fuzzy logic, Gene Expression Programming (GEP, ) Geographical Information System (GIS), Land subsidence, Varamin aquifer
  • Hosein Hashemi *, Hanif Zarabiha

    The current paper deals with a new use of fuzzy logic in the domain of seismic zonation methodologies with a case study in Meybod, Iran. Determining the risk function of an earthquake is an important issue and for the complete solution, the seismic specialist shall necessarily find the soil response and present an appropriate zonation output to the civil engineer. For tackling this problem, a fuzzy clustering method has been applied in acquiring microtremor data more specifically in the city of Meybod. Dataset is divided into four subsets based on its intrinsic complexity by GK fuzzy clustering. Features in this classification practice are including the coordinates, the output dominant frequency of H/V method and the related amplitudes. Euclidian distance matrix norm is constructed to detect hyper ellipsoidal clusters with different orientations (shape and size) in the dataset. The cluster means are then refreshed in an iterative manner so as to identify the uniform seismic answer into the isolated gatherings. We used this method to determine the four divided seismicity regions with different range of frequencies. In addition, various type of soil structures in Meybod city with high and weak risky area have been cleared and can be applied in hazard and earthquake engineering projects. This approach was significantly well matched with clay and silt dominant on soil observed in the boreholes.  Finally zonation maps based on this new method is provided.

    Keywords: seismic microzonation, Fuzzy logic, Fuzzy Clustering, Meybod city, Site Effect
  • بهزاد سعیدی رضوی*
    رشد جمعیت، توسعه فعالیت های صنعتی وکشاورزی و همچنین انتشار پسآب های حاصله، از عمده دلایلی هستند که موجب کاهش کمیت و تخریب کیفیت منابع آب زیرزمینی می شوند. بنابراین بررسی ارزیابی کیفی و پتانسیل آلودگی منابع آب زیرزمینی جهت حفاظت از آلودگی و همچنین مدیریت موثر آن ها ضروی به نظر می رسد. محدوده مطالعاتی گلپایگان نیز به عنوان یک مهم ترین دشت های استان اصفهان یکی از مناطق مهم کشاورزی، در معرض خطر آلودگی به نیترات قرار گرفته است. لذا بررسی مناطق آسیب پذیر آبخوان این منطقه با روش مناسب از اهمیت بالایی برخوردار است. در این تحقیق ابتدا از روش دراستیک معمولی، آسیب پذیری دشت گلپایگان برای بررسی مناطق آسیب پذیر استفاده شد. سپس برای بهینه سازی روش دراستیک با استفاده از الگوریتم ژنتیک، تابع هدفی به الگوریتم ژنتیک تعریف شد و وزن های بهینه پارامترهای دراستیک با بیشینه کردن تابع هدف بدست آمد. همچنین از روش فازی ساگنو از بین روش های منطق فازی جهت بهبود وزن‎ های روش دراستیک استفاده گردید. داده های غلظت نیترات و شاخص همبستگی آن با آسیب پذیری برای بررسی صحت سنجی روش های ارایه شده به کار برده شد. شاخص همبستگی نشان داد که دراستیک بهینه شده با استفاده از الگوریتم ژنتیک، شاخص همبستگی بالاتری با نیترات داشته و نتیجه بهتری نسبت به دراستیک معمولی برای منطقه ارایه داده است. نقشه بهینه شده با استفاده از روش الگوریتم ژنتیک نشان می دهد که حدود 6، 23، 34، 21 و 16 درصد از دشت به ترتیب در مناطق با آسیب پذیری خیلی کم، کم، متوسط، زیاد و خیلی زیاد واقع شده اند.نقشه بهینه شده با استفاده از روش الگوریتم ژنتیک نشان می دهد که حدود 6، 23، 34، 21 و 16 درصد از دشت به ترتیب در مناطق با آسیب پذیری خیلی کم، کم، متوسط، زیاد و خیلی زیاد واقع شده اند.
    کلید واژگان: آبخوان، آلودگی، الگوریتم ژنتیک، دشت گلپایگان، دراستیک
    Behzad Saeedi Razavi *
    Assessment of Groundwater Vulnerability of Golpayegan Plain Using DRASTIC Method OptimizationQualitative and potential of contamination evaluation of groundwater resources is necessary for contamination protection and their effective management. The Golpayegan study area as one of the most important plains of Isfahan province and one of the most important agricultural areas, has been exposed to nitrate contamination. Therefore, investigation of vulnerable areas of the aquifer in this area with proper method has a more importance. In this study, at first, DRASTIC method was applided to determining the vulnerable areas of Golpayegan plain. Then, to optimizing the DRASTIC method using genetic algorithm, the objective function was defined to the genetic algorithm and by maximizing the objective function, the optimum weights of the DRASTIC parameters were obtained. Also Sugeno fuzzy logic method was used to improve the weights of the DRASTIC method. Nitrate concentration data and its correlation index with vulnerability were used to evaluate the validity of the proposed methods. Correlation indices showed that the optimized DRASTIC using the genetic algorithm has a higher correlations with nitrates and presented the better results than the genera DRASTIC for the region. Optimized map using Genetic Algorithm method showed respectively 6, 23, 34, 21 and 16% of the plains are located in areas with very low, low, moderate, high and very high vulnerability.Correlation indices showed that the optimized DRASTIC using the genetic algorithm has a higher correlations with nitrates and presented the better results than the genera DRASTIC for the region. Optimized map using Genetic Algorithm method showed respectively 6, 23, 34, 21 and 16% of the plains are located in areas with very low, low, moderate, high and very high vulnerability.Keywords: Aquifer, Contamination, DRASTIC, Fuzzy Logic. Golpayegan Plain.
    Keywords: Aquifer, Contamination, DRASTIC, Fuzzy logic, Golpayegan Plain
  • سعید مقدم، حجت احمدی*، کامران زینال زاده، بهزاد حصاری

    منابع آب زیرزمینی به دلیل ضریب اطمینان بالاتر و نوسانات کمتر به عنوان یک گزینه های مطمین از دیرباز مورد استفاده انسان بوده و در طی دهه های اخیر در اثر برداشت بیش از تغذیه، با کاهش کمی و کیفی روبرو شده است. در این تحقیق پتانسیل یابی منابع آب زیرزمینی در آبخوان های محدوده مطالعاتی غرب دریاچه ارومیه با استفاده از روش تحلیل سلسله مراتبی (AHP) و مدل ترکیبی منطق فازی-تحلیل سلسله مراتبی انجام شد. دریاچه ارومیه واقع در شمال غرب ایران، بزرگ ترین دریاچه های شور جهان و بزرگ ترین دریاچه در خاورمیانه می باشد که نقش تغذیه کننده و تغذیه شونده از منابع آب های زیرزمینی اطراف آن را ایفا می کند. کاهش تراز آب در آن می تواند باعث افت منابع آب های زیرزمینی نیز شود و بالعکس برداشت بی رویه از آب های زیرزمینی نیز با تاثیر متقابل بر دریاچه کاهش تراز آب آن را تشدید خواهد کرد. از این رو می بایست با مدیریت برداشت از آب های زیرزمینی و شناسایی مناطق حساس آبخوان های این حوضه و شناسایی مناطق قابل برداشت اثر متقابل منفی میان دریاچه و منابع آب های زیرزمینی اطراف آن را تا حد امکان کاهش داد. ابتدا لایه های موثر در پتانسیل یابی آب زیرزمینی (لایه ارتفاع، شیب، کاربری اراضی، فاصله از رودخانه، تراکم رودخانه، زمین شناسی، بارش، تبخیر و سطح آب زیرزمینی) در محیط ArcGIS10.2 تهیه گردید. نتایج مطالعه نشان داد که در مدل تحلیل سلسله مراتبی و مدل ترکیبی منطق فازی به ترتیب حدود 9/18 درصد و 33/25 درصد از سطح منطقه دارای پتانسیل بالایی بوده و مناسب حفر چاه می باشند. در نهایت برای تعیین صحت نقشه های نهایی از منحنی ROC استفاده گردید که میزان دقت نقشه های نهایی تهیه شده با روش تحلیل سلسله مراتبی و منطق فازی- تحلیل سلسله مراتبی به ترتیب 775/0 و 812/0 بوده و روش منطق فازی-تحلیل سلسله مراتبی نسبت به روش تحلیل سلسله مراتبی دارای عملکرد بهتری در پتانسیل یابی آب زیرزمینی بود.

    کلید واژگان: آبخوان، پتانسیل آب زیرزمینی، تحلیل سلسله مراتبی، دریاچه ارومیه، منطق فازی
    Saied Moghaddam, Hojjat Ahmadi *, Kamran Zeynalzadeh, Behzad Hessari

    Groundwater resources have long been used by humans as a reliable alternative due to their higher reliability and lower fluctuations, and have declined quantitatively and qualitatively in recent decades due to over-harvesting. In this study, the potential of groundwater resources in Urmia Lake basin was studied using Analytical Hierarchy Process (AHP) method and hybrid model of fuzzy logic- Analytical Hierarchy Process. It is necessary to reduce the negative interaction between the lake and the surrounding groundwater resources as much as possible by managing the abstraction of groundwater and identifying the sensitive areas of the aquifers of this basin and identifying the harvestable areas. First, the effective layers in groundwater potential (layers of height, slope model, land use, river distance, river density, geology, precipitation, evaporation and groundwater level) were prepared by ArcGIS. The results of study showed that in the AHP and the combined model of fuzzy logic, about 18.9% and 25.33% of the region's surface have high potential and are suitable for drilling wells, respectively. Finally, the ROC curve was used to determine the accuracy of the final maps. The accuracy of the final maps prepared by the AHP method and fuzzy logic-AHP was 0.775 and 0.812, respectively, and Fuzzy logic-AHP method had better performance in groundwater potential finding than Analytical Hierarchy Process.

    Keywords: AHP, Aquifers, Fuzzy logic, Groundwater potential, Lake of Urmia
  • بختیار فیضی زاده*، میثم سطانی

    هدف اصلی این تحقیق، تولید نقشه های حساسیت زمین لغزش برای محدوده قطعه 5 راه آهن اردبیل میانه و تاثیر آن بر شریان های حیاتی و ثانیا تجزیه و تحلیل مهم ترین عوامل تاثیرگذار در افزایش خطر زمین لغزش است. در این پژوهش از سه روش منطق فازی، مثلث سلسله مراتبی فولر و تحلیل سلسله مراتبی فازی (F-AHP) استفاده شده است. روش های مذکور از روش های تحلیل تصمیم گیری چندمعیاره به منظور ارزیابی علمی نواحی مستعد زمین لغزش در محدوده قطعه 5 راه آهن اردبیل میانه است. برای انجام تحقیق معیارهای اصلی در قالب لایه های اطلاعاتی شناسایی شده و برای تلفیق استفاده شدند. سپس برای تعیین میزان استعداد محدوده بررسی شده نسبت به رخداد زمین لغزش براساس روش منطق فازی، مثلث سلسله مراتبی فولر و سلسله مراتبی فازی (F-AHP) اقدام به پهنه بندی شده است. نهایتا، عملکرد روش های مختلف در تولید نقشه های حساسیت زمین لغزش با استفاده از شاخص های صحت سنجی "جمع مطلوبیت "، "درصد منطقه بحرانی"  و منحنی مشخصه عملکرد سیستم با یک دیگر مقایسه شد تا روش مطلوب و کاربردی برای محدوده قطعه 5 راه آهن اردبیل میانه به منظور مدیریت خطر زمین لغزش تعیین شود. در نهایت با تلفیق داده ای متناسب با وزن های استخراج شده، نسبت به تهیه نقشه پهنه بندی زمین لغزش اقدام شد. نتایج تحقیق حاضر در شناسایی نسبت محاطرات محیطی و آسیب پذیری این محور تبادلاتی نقش مهمی داشته و می تواند راهگشای برنامه ریزان و تصمیم گیران برای کاهش نسبت خسارات و مدیریت بحران استفاده شود.

    کلید واژگان: پهنه‌بندی زمین‌لغزش، منطق فازی، تحلیل سلسله مراتبی فازی، مثلث سلسله مراتبی فولر
    Bakhtiar Fezizadeh*, Meysam Soltani
    Introduction

    Landslide is known as one of major natural hazards. Landslide susceptibility mapping is known as efficient approach to mitigate the future hazard and reduce the impact of landslide hazards. The main objective of this research is to apply GIS spatial decision making systems for landslide hazard mapping in the 5th segment of Ardebil-Mianeh railroad. Evaluation of the landslide criteria mapping and their relevancy for landslide hazard can be also considered. To achieve the research objectives, an integrated approach of Fuzzy-Analytic Hierarchy Process (AHP), Fooler Hierarchical Triangle and Fuzzy logic methods were employed in GIS Environment.

    Material and methods

    Within this research, we also aimed to apply GIS spatial decision making systems and in particular GIS multi criteria decision analysis which are available in Arc GIS and Idrisi softwares. We have identified 8 casual factors (including: density of vegetation, land use, faults desistance, distance from rivers, distance from roads, slope, aspect, geology) based on literature review. Accordingly, these layers were prepared in GIS dataset by means of applying all GIS ready, editing and topology steps. The criterion weighting was established based F-AHP approach. The criteria weights was derived and rank of each criterion was obtained. Accordingly, the landslide susceptible zones were identified using GIS-MCDA approaches.

    Results and discussion

    Finally the functionality of each method was validated against known landslide locations. This step was applied to identify most efficient method for landslide mapping. According to the results and based on the values derived from Qs, P, and AUC, the accuracy of fuzzy method was accordingly about 0.33, 0.74 and 0.76, respectively. In context of Fuzz-AHP the accuracy of 1.08, 0.88 and 0.94 were obtained. While, the accuracy of Fooler Hierarchical Triangle were obtained 0.78, 0.84 and 0.91, accordingly.

    Conclusion

    As results indicated integration of Fuzzy-AHP represented more accurate results. Results of this research are great of important for future research in context of methodological issues for GIScience by means of identifying most efficient methods and techniques for variety of applications such landslide mapping, suitability assessment, site selection and in all for any GIS-MCDA application.

    Keywords: Landslides, Regional Hazard Zonation, Geographic Information System (GIS), Fuzzy logic, Fuller hierarchical triangle, Fuzzy-analytic hierarchy process
  • حسن فیضی، سهیلا اصلانی، فرهنگ علی یاری*، عباس بحرودی، عبدالجمید سرتیپی
    کانسار تیتیانیم خانیک - غازان در فاصله 82 کیلومتری شمال غرب ارومیه، بخش شمالی پهنه سنندج - سیرجان واقع است. هدف اصلی این پژوهش، شناسایی مناطق پتانسیل دار و تهیه نقشه پتانسیل معدنی در بخش سنگی کانسار خانیک - غازان به کمک سامانه استنتاج گر فازی (FIS) می باشد. پس از تهیه نقشه های فاکتوری، مراحل اصلی این پژوهش شامل فازی سازی نقشه های فاکتوری با استفاده از متغیرهای زبانی و توابع عضویت مناسب، ترکیب نقشه های فاکتور با کمک استنتاج فازی (به وسیله ایجاد پایگاه قوانین اگر - آنگاه فازی)، شناسایی مناطق مستعد و تهیه نقشه پتانسیل معدنی با استفاده از قطعی سازی خروجی است. همچنین، طی این تحقیق، به منظور کنترل صحت داده های بدست آمده سعی گردید، دو روش نوین تلفیقی دیگر شامل روش های منطق فازی و فرآیند تحلیل سلسله مراتبی نیز به کار گرفته شود. نتایج بدست آمده از روش های مذکور تاییدکننده و مکمل یکدیگر بوده و مناطق پرپتانسیل کانی سازی را نمایان می کنند. بررسی های اکتشافی انجام گرفته از جمله شواهد صحرایی رخنمون ها، کانه زایی و نمونه برداری از رخنمون های سنگی به تعداد 80 نمونه در محدوده مورد مطالعه، موید این موضوع می باشد. براساس نتایج حاصل، بخش مرکزی محدوده مورد مطالعه برای ادامه عملیات اکتشافی بخصوص اکتشافات عمقی به روش حفاری مغزه گیری مناسب تشخیص داده شد.
    کلید واژگان: کانی سازی تیتانیم، سامانه استنتاجگر فازی، فرآیند تحلیل سلسله مراتبی، منطق فازی، پتانسیل یابی معدنی
    Hasan Feizi, Sohelia Aslani, Farhang Aliyari *, Abbas Bahroudi, Abdolhamid Sartipi
    The Khanik-Ghazan Titanium ore deposit is located at 82 km northwest of Urmia, northern Sanandaj-Sirjan zone. The main objective of this research is to identify potentially mineralized areas and to prepare a mineral prospectivity map in the Khanik-Ghazan deposit applying the Fuzzy Inference System (FIS). After preparing the facto maps, the main stages of the investigation comprise the preparation of fuzzy factor maps using the appropriate linguistic variables and proper membership functions, combining factor maps using the fuzzy inference (by creating a fuzzy database of If-OR rules), identification of susceptible areas, and the generation of a potential mineral map using the output closure. In this study, in order to control the accuracy of the data, we tried to apply two new integrated methods including the fuzzy logic and hierarchical analysis processes. The results obtained from these methods was confirmed and complemented by each other and demonstrated highly potential mineralized zones. This statement is validated by several investigation methods including the field surveys and evidence of 80 samples collected from rock outcrops. Based on obtained results and modelling of geophysical data, the central part of the study area was recognized for further exploration using the drillcore subsurface exploration.
    Keywords: Titanium ore mineralization, fuzzy inference system, analytical hierarchy process, Fuzzy logic, mineral prospection
  • میر رضا غفاری رزین*، میلاد مردانه

    در این مقاله مقدار محتوای الکترون کلی (TEC) لایه یون سپهر با استفاده از سامانه استنتاج فازی (FIS) مدل سازی شده است. نوآوری اصلی این پژوهش، مدل سازی سری زمانی تغییرات TEC در ایران با استفاده از FIS است. برای آموزش شبکه فازی، از الگوریتم آموزش بهینه سازی انبوه ذرات هیبرید (BP-PSO) استفاده شده است. این الگوریتم آموزش، در مراحل اولیه جستجوی جواب از الگوریتم بهینه سازی انبوه ذرات (PSO) و در نزدیکی جواب بهینه از الگوریتم پس انتشار خطا (BP) بهره می برد. از مشاهدات سال 2015 ایستگاه GPS تهران، که یکی از ایستگاه های شبکه جهانی IGS است، جهت ارزیابی مدل پیشنهادی استفاده شده و نتایج کار با نتایج خروجی های شبکه جهانی IGS (GIM-TEC) و مدل شبکه عصبی مصنوعی (ANN) با ساختار 2-18-1 مقایسه شده است. جهت ارزیابی دقت و صحت مدل شبکه فازی ارائه شده در این مقاله، از هر فصل، پنج روز برای داده آزمون انتخاب شده و اعتبارسنجی مدل در این بیست روز صورت گرفته است. براساس نتایج، میانگین خطای نسبی محاسبه شده در بیست روز مورد آزمون برای مدل FIS، ANN و GIM در مقایسه با GPS به ترتیب برابر با 25/11%، 68/19% و 03/16% است. همچنین میانگین خطای مطلق محاسبه شده برای مدل FIS، ANN و GIM در مقایسه با GPS در بیست روز مورد آزمون به ترتیب برابر با TECU 32/1، TECU 33/3 و  TECU98/1 است. ضریب همبستگی محاسبه شده در بیست روز مورد آزمون برای FIS، ANN و GIM در مقایسه با GPS به ترتیب برابر با 9474/0، 6960/0 و 831/0 به دست آمده است. موقعیت ایستگاه GPS تهران براساس TEC حاصل از سه مدل FIS، ANN و GIM و با استفاده از تعیین موقعیت نقطه ای دقیق (PPP) محاسبه شده است؛. طبق این محاسبه، مدل شبکه فازی نسبت به دو مدل دیگر، خطای کمتری در تعیین موقعیت ایستگاه تهران دارد. نتایج تحلیل ها حاکی از برتری مدل FIS در مقایسه با مدل ANN و GIM است. با استفاده از مدل پیشنهادی این پژوهش می توان سری زمانی محتوای الکترونی کلی یون سپهر را با دقت و صحت زیاد مدل سازی و بررسی کرد. این مدل می تواند جایگزینی مناسب برای خروجی های شبکه جهانی IGS در منطقه ایران باشد.

    کلید واژگان: منطق فازی، شبکه عصبی مصنوعی، GPS، یون سپهر، TEC
    Mir Reza Ghaffari Razin *, Milad Mardaneh

    Ionosphere is a layer in the upper part of the atmosphere wide-ranging from 60 km to 2000 km. It has a very significant role in radio wave propagation because of its electromagnetic attributes. Ionosphere is mainly affected by solar zenith angle and solar activity. In the day-time, ionization in ionosphere is at the highest level and the ionospheric effects are stronger. In the night-time, ionization decreases and the effects of ionosphere gets weaker. One of the most important parameters that defines the physical structure of ionosphere is Total Electron Content (TEC). TEC is a line integral of electron density along signal path between satellite to the receiver on the ground. The unit of TEC is TECU and 1 TECU equals 1016 electrons/m2. The TEC values can be computed from dual frequency Global Positioning System (GPS) stations, which are the most available observations for studying the Earth’s ionosphere. However, because of scattered repartition of dual frequency of GPS stations, precise information on TEC over the favorable region is unknown. Fuzzy inference systems (FIS) take inputs and process them based on the pre-specified rules to produce the outputs. Both the inputs and outputs are real values, whereas the internal processing is based on fuzzy rules and fuzzy arithmetic. FIS is the key unit of a fuzzy logic system having decision making as its primary work. It uses the “IF…THEN” rules along with connectors “OR” or “AND” for drawing essential decision rules. A FIS is defined according to the following five main sections:• Rule Base − It contains fuzzy IF-THEN rules; • Database − It defines the membership functions of fuzzy sets used in fuzzy rules; • Decision-making Unit − It performs operation on rules; • Fuzzification Interface Unit − It converts the crisp quantities into fuzzy quantities; and • Defuzzification Interface Unit − It converts the fuzzy quantities into crisp quantities. In this paper, the TEC of the ionosphere is modeled using FIS. The fuzzy inference system uses the rules IF-THEN to recognize the characteristics of dynamic phenomena. This feature, along with the simplicity of computing, has made it possible for this model to study the temporal and spatial variations of the ionosphere. In fact, the main innovation of the paper is the time series modeling of TEC in Iran using FIS. Hybrid particle swarm optimization training (BP-PSO) algorithm is used to train fuzzy network. This algorithm uses the PSO in the early stages of searching for solution and uses the back propagation (BP) near the optimal solution. From the observations of 2015, the Tehran GPS station, which is one of the IGS global stations, was used for evaluation of the proposed model. Also, the results were compared with the results of the global ionosphere map (GIM) TEC as well as artificial neural network model (ANN). In order to evaluate the accuracy of the fuzzy model presented in this paper, 5 days of each season were selected as the test data and model validation was performed in these 20 days. Based on the results, the average relative error calculated in the 20 test days for FIS, ANN and GIM models compared to GPS were 11.25%, 19.68% and 16.03%, respectively. Besides, the average absolute error calculated for FIS, ANN and GIM models compared to GPS in the 20 test days was 1.32 TECU, 3.33 TECU and 1.98 TECU, respectively. The calculated correlation coefficients between TEC obtained from FIS, ANN and GIM compared to GPS were 0.9474, 0.6960 and 0.831, respectively. The results of the analysis show that the FIS model is superior to the ANN and GIM models. Using the proposed model of this research, the time series of the ionosphere TEC can be modeled and investigated with high accuracy. This model can also be a good alternative to the outputs of the IGS network in Iran.

    Keywords: Fuzzy logic, Artificial Neural Network, GPS, Ionosphere, TEC
  • بهزاد سعیدی رضوی، علیرضا عرب*
    در مطالعات آب های زیرزمینی، تغییرات سطح ایستابی از اهمیت فراوانی برخوردار است. به همین دلیل، امروزه شبیه سازی جریان آب زیرزمینی توسط مدل های ریاضی و کامپیوتری که یک روش غیرمستقیم مطالعه آب زیرزمینی می باشد، با صرف هزینه کمتر صورت می گیرد. پیش بینی سطح آب زیرزمینی یک حوضه نقش مهمی را در مدیریت منابع آبی ایفا می کند. به خصوص در مناطق نیمه خشک آب های زیرزمینی نقش بسیار مهمی در تعیین آب مورد نیاز، کشاورزی، شهری و امور صنعتی دارد. در این تحقیق کارایی مدل های شبکه های عصبی مصنوعی، منطق فازی و سری زمانی در تخمین سطح آب زیرزمینی آبخوان دشت عجب شیر مورد بررسی قرار گرفت. پارامترهای بارندگی، دما، دبی جریان و تراز سطح ایستابی در دوره زمانی ماه قبل به عنوان ورودی و تراز سطح ایستابی در دوره موردنظر به عنوان خروجی مدل ها در مقیاس زمانی ماهانه در طی دوره آماری (1396-1385) انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و نیز مقایسه عملکرد مدل ها مورد استفاده قرار گرفت. نتایج حاصله نشان داد که مدل منطق فازی می تواند تراز سطح ایستابی را با دقت قابل قبولی پیش بینی نماید. توابع عضویت استفاده شده برای مدل سازی فازی سطح ایستابی، تابع عضویت گوسی بود که به داده های دسته بندی شده برازش داده شد و نیز تابع عضویت خروجی مدل ساگنو تابعی است خطی که بر اساس ورودی ها ساخته می شود. در مورد دقت، مدل منطق فازی با بیشترین با ضریب همبستگی، کمترین ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا به عنوان بهترین مدل برای پیش بینی سطح آب زیرزمینی شناخته شد.
    کلید واژگان: سطح ایستابی، شبکه های عصبی، منطق فازی، سری زمانی
    Behzad Saeedi Razavi, Alireza Arab *
    Groundwater system studies to understanding its behavior, requires the exploratory drilling wells, pumping test and geophysical experiments, which can carried out with most cost. For this reason, simulation of groundwater flows by mathematical and computer models, which is an indirect method to groundwater studies, is being spent a few costs. In this research, the efficiency of artificial neural network, fuzzy logic and time series models has been investigated in groundwater level estimation of Ajabshir plain. Parameters of precipitation, temperature, flow rate and water level within time period of the previous month were used as input and the water table in each period were selected as output through monthly scale (2007-2018). To evaluating the performance of models, Correlation coefficient, root mean square error and coefficient of mean absolute error were used. The results showed that the Fuzzy Logic model are able to estimate water levels with acceptable accuracy. Gaussian functions was a membership functions of fuzzy model in groundwater level prediction, which fitted to the classified data and the output membership function of the sageno model is a function which is based on the inputs. In terms of accuracy, fuzzy logic model with the highest correlation coefficient (0.96), lowest root mean square error (0.068 m) and mean absolute error (0.056 m) was recognized as a best the model in the groundwater level prediction.
    Keywords: Fuzzy logic, Groundwater level, Neural Networks, Time Series
  • علیرضا شکیبا، علی اکبر متکان، بابک میرباقری، یعقوب سیف *
    از مهم ترین بلایای طبیعی که نقش مهمی در آسیب پذیری و تخریب سکونتگاه های روستایی ایفا می نماید، زلزله می باشد. آسیب پذیری دارای مفهومی پیچیده است به طوری که عوامل و متغیرهای مختلفی در آن دخالت دارد و استفاده از روش های نوین موجب بهبود فرآیند سنجش سطوح آسیب پذیری می شود. هدف از ارائه پژوهش حاضر، سنجش سطوح و اولویت بندی آسیب پذیری سکونتگاه های روستایی با به کارگیری عملگرهای مبتنی بر منطق فازی می باشد. استان فارس که دارای گسل های اصلی و فرعی متعددی بوده و در طول سالیان گذشته زلزله های متعددی با قدرت تخریب بالا در آن به وقوع پیوسته و هم چنین، سکونتگاه های روستایی آن دارای تنوع آسیب پذیری طبیعی و انسانی می باشد، به عنوان منطقه ی مطالعاتی انتخاب شده است. سکونتگاه های روستایی از محیط هایی به شمار می رود که به دلیل ویژگی های فیزیکی آن در مقایسه با سکونتگاه های شهری در معرض آسیب پذیری بیشتری می باشد. در این پژوهش، جهت سنجش سطوح و اولویت بندی آسیب پذیری از عملگرهای فازی که شامل تلفیق چندمعیاره اهمیت معیارها و وزن رتبه ها بوده و دو ویژگی مهم در نظرگرفتن متغیرهای کیفی (زبانی) و توجه به گروه های مختلف ذینفع را نیز داشته و هم چنین، به نتایج بهتری منجر شده، استفاده گردید. لذا با به کارگیری و تلفیق متغیرها و سناریوهای مختلف، مناطق با درجات بالای ریسک مشخص شد. سپس، سکونتگاه های روستایی در معرض ریسک حاصل از سناریوی نسبتا بدبینانه آسیب پذیری طبیعی انتخاب گردید. در نهایت، آسیب پذیری انسانی این سکونتگاه ها با به کارگیری سناریوی متعادل اولویت بندی شد. نتایج حاصل در تمامی سناریوها نشان داد که بخش های جنوب و غرب منطقه که دارای مقادیر بالای بیشینه جنبش افقی زمین (Peak Horizontal Acceleration) ، سازندهای زمین شناسی جدید و نزدیکی به گسل های فعال زمین شناسی بوده به عنوان مناطق با درجات بالای ریسک آسیب پذیری طبیعی شناسایی شده و همواره زلزله های متعدد با قدرت تخریب بالا در آن به وقوع می پیوندد اما از منظر متغیرهای آسیب پذیری انسانی مورد استفاده در این پژوهش در حد متوسط می باشند.
    کلید واژگان: استان فارس، آسیب پذیری، سکونتگاه های روستایی، زلزله، منطق فازی
    Yaghub seif *, Alireza shakiba, Ali akbar matkan, Babak mirbagheri
    One of the natural disasters that plays a major role in the vulnerability and destruction of rural settlements is earthquake. Vulnerability has a complex concept so that involves various factors and variables and using modern methods could improve vulnerability assess of the levels. The objective of this study is to vulnerability assess the levels and prioritization of rural settlements with the use of operators based on Fuzzy Logic. The Fars province was selected as a case study because of exist many major and minor faults, during the years occured huge earthquakes and theirs rural settlements have a variety of natural and human vulnerability. Because of the physical characteristics, rural areas exposured to high vulnerability is compared with urban areas. In this study, for vulnerability assess the levels and prioritization was used fuzzy operators that including multi criteria aggregation criterion importance and orders weight and two important properties consider to qualitative (linguistic) variables and according to various interest groups and also led to better results. Therefore, by using and aggregating various variables and scenarios, areas with high degrees of risk identified. Then rural settlements exposure risk resulting from relatively pessimistic scenario of natural vulnerability was choiced. Eventually, the human vulnerability of settlements have been prioritized using a moderate scenario. The results in all scenarios showed that South and West areas with high values of Peak Horizontal Acceleration, new geological formations and proximity to active faults as areas with high degrees natural vulnerability of risk has been identified and always happening huge earthquakes but from the perspective of human vulnerability variables is moderate.
    Keywords: Fars Province, Firozabad, vulnerability, rural settlements, earthquake, Fuzzy Logic
  • راضیه اکبری جونوش*، منوچهر قرشی، حسنعلی بابایی، محمد نخعی، محسن پورکرمانی
    با توجه به خشکسالی های اخیر در دنیا، اکتشاف منابع آب زیرزمینی امری بسیار ضروری است. این طرح تحقیقاتی با توجه به قرارگیری کشور ایران در محدوده خطر خشکسالی به مطالعه آب های کارستی می پردازد. محدوده مطالعاتی در این پژوهش در مرکز کشور ایران، استان سمنان، شهرستان شاهرود، بخش بسطام قرار دارد. عوامل متعددی در پدیده کارستی شدن و تشکیل منابع آب در سازندهای کربناته حائز اهمیت هستند، که از مهم ترین آنها می توان به سنگ شناسی، توپوگرافی، اقلیم، ژئومورفولوژی و هیدروژئولوژی اشاره کرد. در این پژوهش نقش عوامل ساختاری در توسعه منابع آب کارستی در استان سمنان مورد بررسی قرار گرفته است. بدین منظور ابتدا لایه های اطلاعاتی مربوط به هر عامل تهیه شد. برای مثال عناصر تکتونیکی، شامل نقشه‎های تراکم خطواره ها، تراکم طول گسل ها، تراکم محل تقاطع گسل ها، فاصله از گسل ها با استفاده از نقشه های زمین شناسی و پردازش تصاویر ماهواره ای است. لایه های اطلاعاتی در محیط سامانه اطلاعات جغرافیایی (GIS) ، نرم افزار Expert Choice و روش های زمین آماری (geostatistics) ، مورد تجزیه و تحلیل قرار گرفتند. در این پژوهش از روش های نوین تصمیم گیری های چندمعیاره (AHP; analytic hierarchy process) و (Fuzzy AHP; Fuzzy analytic hierarchy process) در مطالعات منابع آب کارستی استفاده شد.
    کلید واژگان: کارست، منطق فازی، شبکه استنتاجی، تحلیل فرایند سلسله مراتبی، سازندهای کربناته، استان سمنان
    R. Akbari Jonosh *, M. Ghorashi, Hasan. A. Babaei, M. Nakhaei, M. Pourkermani
    Considering Iran’s situation in drought risk area, in this study karstic waters are investigated. The study area is located in central of Iran, Semnan province. Several factors are important in Karstification and formation water resources in carbonate, among them important are petrology, topography, climate, geomorphology and hydrogeology are pointed out. In this research, the role of structural factors in the development of karstic water resources in Semnan province has been studied. firstly, information layers of each factor prepared. For example, tectonic elements, includes maps: lineament density, faults length density, faults intersection density and density distance from faults making use geological maps and processing of satellite images. Information layers analyzed in the geographical information system (GIS), Expert Choice Software making use geostatistical methods. In this study, multi methods like analytic hierarchy process (AHP) and Fuzzy analytic hierarchy process (Fuzzy AHP) used in study of karstic water resources.
    Keywords: Karst, Fuzzy Logic, Inference Network, Analytic hierarchy process, Carbonate Formation, Semnan Province
  • سعید عباس زاده، بیژن ملکی، سید رضا مهرنیا، سعیده سنماری

    منطقه رامند بخشی از نوار ماگمایی ارومیه- دختر واقع در زون ساختاری ایران مرکزی است که از نظر جغرافیایی در جنوب غربی شهرستان بویین زهرا و ضلع جنوبی دانسفهان قرار دارد. منطقه یادشده به طور عمده شامل سنگ های آذرین اسیدی با ترکیب ریولیتی و ریوداسیتی است. آثار دگرسانی های رسی و پیدایش رگه های سیلیسی در سنگ های آتشفشانی به وفور دیده می شود. در این پژوهش با استفاده از الگوریتم منطق فازی و سازوکار تلفیق داده های مکانی (در محیط (GIS، نقشه پیشداوری از وضعیت توانایی های معدنی مرتبط با فعالیت های کانه زایی ماگمایی- گرمابی تهیه شده است. لایه های مورد استفاده شامل اطلاعات زمین شناسی، زمین ساختی، تصاویر ماهواره ای (سنجنده ETM+) و شواهد کمی بهدست آمده از سنجش های مغناطیس هوابرد هستند که پس از پردازش مقدماتی داده ها و دستیابی به نقشه های پربندی وزن دهی شده (لایه های نشانگر)، فایل های رستری (سلولی) موجود در قالب شبکه استنتاج فازی و با انتخاب مقدار عملگر گامای 75/0= تلفیق شده اند. بدین ترتیب آثار همراه با دگرسانی و کانه زایی منطقه رامند با تاکید بر توان معدنی ذخایر ماگمایی- گرمابی به صورت نقشه پیش داوری فازی معرفی شده اند. در این نقشه نواحی مستعدی وجود دارند که از اولویت پی جویی ذخایر فلزی در عمق رخساره های دگرسانی برخوردارند. لذا در پایان پژوهش، برخی از نتایج و پیشنهادهای لازم با هدف ادامه فعالیت های اکتشافی (در فاز تفصیلی) مطرح شده اند.

    کلید واژگان: دگرسانی گرمابی، منطق فازی، رامند
    Saeed Abbaszadeh, Bijan Maleki, Seyed Reza Mehrnia, Saeedeh Senemari
    Introduction

    Complete recognition of exploration criteria is considered as an important step in the systematic and scientific analysis of mineral potential mapping. The starting point of this analysis is recognition of the mineral potentials and the mechanism of their formation in different geological areas. In order to achieve such goals we can benefit from the known mineralization information. Integrating and analyzing all the data in the geographic information systems (GIS) can lead to the identification of promising mineral areas for future studies (San Soleimani et al., 2011). GIS can be used to organize, process, analyze and integrate the results of geological, geochemical and geophysical, tectonic and alteration studies in order to identify and evaluate the potential of different minerals (Bonham Carter, 1998). The aim of this paper is to apply the fuzzy integration method in GIS with using all the information, without the need to simplify them, in less time and with acceptable accuracy in order to recognize mineral potentials in the Ramand region. Investigation of mineral potentials in this area with using fuzzy logic in addition to the scientific-research aspects, can provide the discovery of appropriate patterns for other mineral resources in Iran.

    Materials And Method

    The first step in any exploration project is that mapping is done with the aim of optimal potential to provide a model for the exploration of possible deposits in the region. This process in next steps will be continued with an extraction of useful information from various data that are contained in the database and this done work is done based on the properties of the elements under prospecting and the relevant exploration models. However, in the final stage, the combination of these maps is based on different models (Bonham Carter, 1998). The pre-requisite for the production of the mineral potential map, is to determine the weight and value which reflects the relative importance of the data classification (Hosseinali and Alesheikh, 2008). According to the study's default that is modeling with using fuzzy logic, a range of values between zero and one can be used to express the degree or the value of a collection (Novriadi and Darijanto, 2006) This is such that zero means lack of full membership and value of one is meant to be a full member of the collection. So, other set members can also be allocated values between zero and one and based on the degree of their membership to the set. So, it can be said that in the mining exploration, membership values are used to indicate the relative importance of each map as well as the relative importance of each class of a single map (Bonham Carter, 1998). Exploratory layers produced in GIS (in the fuzzy theory section), appear in the role of fuzzy sets and are combined by fuzzy operators (Table 1). The combining layers in the fuzzy method express the concept from the optimal options.

    Discussion

    In this study, some of the geo-referenced data consisting of geological data, remote sensing, tectonic and geophysical data have been used. Geological data for separate lithological units in the region and the identification of faults, remote sensing data to identify hydrothermal alterations and fault lineaments and airborne geophysical data in order to detect magnetic fault lineaments and check the changes of magnetic susceptibility related to hydrothermal alterations are used so that after collecting and entering data, processing the necessary studies has been carried out on them. Finally, by combining the results of each layer and giving the fuzzy weighting to them based on their importance in mineralization and the use of the fuzzy algorithm and gamma (the fuzzy operator) in GIS, the final map is obtained to identify the potential areas with using it in the Ramand region. The possibility to acquire the exploration pattern of base and precious metals is provided in the mineral-prone areas.

    Results

    In this study, there was a lot of exploration of information such that the decision to determine the potential points and continuing the exploration activities had been made very difficult. Thus, with use of the fuzzy integration method in GIS, all of the information were managed without any need to simplify them, in less time and with acceptable accuracy. Fuzzy logic is a method based on expert knowledge that is used for integration of exploration data and producing the optimal potential map of the Ramand regional reserves. It points to promising and priority areas for accurate and detailed information. Therefore, it is better to carry out exploration operations and reduces the cost and time as well as expedition to decision-making. And accuracy is very effective.

    Keywords: Hydrothermal Alteration, Fuzzy logic, Ramand
  • سعید یوسف زاده، عطاالله ندیری
    امروزه آب زیرزمینی یکی از منابع اصلی آب آشامیدنی و کشاورزی و دیگر مصارف مختلف برای جوامع بشری است. با افزایش جمعیت و توسعه یافتگی جوامع، تقاضا برای این منبع طبیعی مهم و حیاتی و استراتژیک افزایش یافته است. این افزایش با کاهش منابع آبی با صدمه بر محیط آبخوانها همراه بوده است. بر این اساس برای رویارویی با بحران کم آبی و جلوگیری از تخریب آبخوان ها، مدیریت آنها و در پی آن شناخت دقیق متغیرهای هیدروژئولوژیکی به شدت احساس می شود. یکی از مهم ترین این متغیرها، هدایت هیدرولیکی است. با وجود اینکه، سامانه آب زیرزمینی یک سامانه پیچیده است و برآورد متغیرهای هیدروژئولوژیکی که معمولا با روش های کلاسیک مانند روش های آزمایشگاهی، اسلاگ تست، آزمایش ردیابی و آزمون های پمپاز انجام می گیرد؛ با عدم قطعیت ذاتی همراه بوده و پر هزینه و وقت گیر است. بنابراین، استفاده از روش های هوش مصنوعی برای برآورد هدایت هیدرولیکی، می تواند از عدم قطعیت این متغیر کم کند و تا حدودی بر دقت آن بیافزاید؛ تا بتواند بر نواقص موجود در روش های کلاسیک چیره شود. در این پژوهش چهار روش هوش مصنوعی، روش سامانه استنتاج فازی ممدانی، سامانه استنتاج فازی ساجنو، شبکه عصبی موجکی، و ماشین بردار پشتیبان کمینه مربعات به عنوان مدل های منفرد برای برآورد هدایت هیدرولیکی آبخوان مراغه بناب با استفاده از داده های ژئوفیزیکی سطحی در منطقه به کار گرفته شد. با توجه به اینکه هر کدام از مدل ها بر پایه ویژگی های ذاتی خود در بخشی از این محدوده نتایج خوبی ارائه دادند. بنابراین برای استفاده همزمان از کارایی همه این مدل ها روش ترکیب غیرخطی با عنوان مدل هوش مصنوعی مرکب نظارت شده (SCMAI) برای برآورد هدایت هیدرولیکی در دشت مراغه- بناب استفاده و نتایج آن با استفاده از معیارهای ارزیابی مختلف نشان داده شد. مدل SCMAI با استفاده از 15 داده مورد آزمایش قرار گرفت. مقادیر RMSE و به ترتیب برابر 045/0 و 97/0 به دست آمد. با مقایسه این مقادیر با مقادیر محاسبه شده برای مدل های منفرد یاد شده، دیده شد که مدل SCMAI با داشتن RMSE کمتر و بهتر از مدل های هوش مصنوعی منفرد است. این نتایج بیان می دارد که مدل SCMAI کارآیی بالایی در برآورد مقادیر هدایت هیدرولیکی در آبخوان آزاد و هتروژن دشت مراغه- بناب نشان می دهد.
    کلید واژگان: شبکه موجکی- عصبی، ماشین بردار پشتیبان، منطق فازی، هدایت هیدرولیکی، هوش مصنوعی مرکب نظارت شده
    S. Yusefzadeh, A. A. Nadiri
    Today Ground water is the main source of drinking, agriculture and other uses for humans. The demand for this critical and strategic natural resource increased with population growth and development of society. This increasing has been declining water resources and damage aquifers environment. Therefore, we need to manage aquifers and understanding the hydrogeological parameters to deal with the water crisis and prevent the distraction of aquifers. The one of most important parameter is hydraulic conductivity. Although, the ground water system is a complex system and estimation of hydrogeological parameters is associated with inherent uncertainty and also is costly and time consuming that usually done with classical methods such as laboratory tests, slug test, tracing test and pumping tests. So recently use artificial intelligence methods for estimation of hydraulic conductivity, reduced the uncertainty of this parameter and it adds up some accuracy. So that it can overcome on the shortcoming of classical methods. In this study, four artificial intelligence methods; mamdani fuzzy logic(MFL) system, sugeno fuzzy logic(SFL) system, Wavelet-neural network method and Least square support vector machine(LS-SVM) method were used as individual models to estimate the hydraulic conductivity by using of surface geophysical data in Maragheh-Bonab aquifer. Given that each these models based on their inherent properties, they presented good results in some parts of area. Therefore, for concurrent use of performance of all these models the nonlinear combination method as a supervised committee machine artificial intelligence (SCMAI) model were used to estimate the hydraulic conductivity in maragheh-bonab aquifer. The result of this model showed that this new combinational model has high performance than other single models that presented by using different evaluation criteria. Therefore, this model could also be used for estimation hydrogeological parameters in areas with high complexity. The SCMAI model was tested against 15 data. The RMSE and for SCMAI prediction were computed as 0.045 and 0.97, respectively. Comparing the error measure values with dose of individual models above, it is seen that SCMAI outperforms individual AI models with low RMSE and high values. This result implies that SCMAI model shows high performance for estimation the hydraulic conductivity values in the heterogeneous unconfined aquifer in Maragheh-Boanb plain.
    Keywords: Wavelet-neural network, Support vector machine, Fuzzy Logic, Hydraulic conductivity, Supervised compound artificial intelligence
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال