تخمین پارامترهای هیدرودینامیکی آبخوان محبوس با استفاده از مدل فازی سوگنو
شناخت دقیق پارامترهای هیدروژئولوژیکی مانند قابلیت انتقال، هدایت هیدرولیکی و ضریب ذخیره یا آبدهی ویژه از جمله پارامترهای مهم برای پیشبینی شرایط آبخوان هستند که عموما تعیین آنها برای نقاط مختلف آبخوان با هزینههای فراوانی انجام می شود. در سالهای اخیر، از مدلهای هوش مصنوعی به عنوان جایگزین روشهای انطباق منحنی تیپ برای تعیین پارامترهای هیدرودینامیکی آبخوانها استفاده شده است. بنابراین، در مطالعه حاضر نیز برای تعیین پارامترهای هیدرودینامیکی آبخوان محبوس از منطق فازی سوگنو استفاده شد. ابتدا دقت، قابلیت اطمینان و توانایی تعمیم این مدل فازی از طریق آزمایش آن با دادههای افت- زمان واقعی تایید شد. سپس، نتایج به دست آمده از این مدل با نتایج به دست آمده از روش گرافیکی تایس و شبکه عصبی مصنوعی مقایسه شد. مقایسه RRMSE مدل شبکه عصبی مصنوعی و مدل فازی به منظور تخمین قابلیت انتقال آبخوان و ضریب ذخیره در مرحله آزمایش نشان داد مدل فازی، خطا را به ترتیب 21/9 و 66/11 درصد نسبت به شبکه عصبی کاهش میدهد. بنابراین، نتایج به دست آمده از روش گرافیکی تایس، شبکه عصبی مصنوعی و مدل منطق فازی در مرحله صحتسنجی نشان می دهند مدل فازی سوگنو در کنار دو روش یادشده توانایی تعیین پارامترهای آبخوان تحت فشار را دارد. این کارایی نسبی بیشتر منطق فازی سوگنو را می توان در توانایی ذاتی آن در کار با دادهها و پارامترهای دارای عدم قطعیت نسبت به روش گرافیکی تایس و شبکه عصبی مصنوعی دانست.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.