تخمین هدایت هیدرولیکی و ارزیابی عدم قطعیت بین مدل ها و داده های ورودی توسط متوسط گیری بیزین از مدل های هوش مصنوعی

تخمین هدایت هیدرولیکی از مهمترین بخش های مطالعات هیدروژیولوژی بوده که در مدیریت آب های زیرزمینی حایز اهمیت است. اما به علت محدودیتهای عملی، زمانی و یا هزینه ای، اندازه گیری مستقیم آن با دشواری همراه است. لذا استفاده از مدلهای هوش مصنوعی با صرف هزینه کم و کارایی بالا میتوانند جایگزین مناسبی برای این منظور باشند. از آنجا که داده های ورودی (شامل مقاومت عرضی، ضخامت آبخوان، هدایت الکتریکی و فاصله اقلیدسی) و تکنیک های آموزشی متفاوت در این نوع مدلها به عنوان مهم ترین عوامل ایجادعدم قطعیت هستند، لذا تاثیر منابع مختلف عدم قطعیت در خروجی باید درنظرگرفته شود. در این تحقیق روش میانگین گیری مدل بیزین (BMA) توسعه داده شده که شامل ترکیب مدل های شبکه عصبی مصنوعی، منطق فازی و نروفازی در تخمین هدایت هیدرولیکی و ارزیابی عدم قطعیت است. در مدل BMA، وزن مدل ها توسط معیار اطلاعات بیزین (BIC) تعیین شده و واریانس درون مدل ناشی از عدم قطعیت داده ورودی و واریانس بین مدل ها ناشی از عدم قطعیت مربوط به ذات مدل های هوش مصنوعی محاسبه می شود. در این مطالعه روش توسعه داده شده برای تخمین هدایت هیدرولیکی در آبخوان دشت ارومیه اعمال شده است. نتایج نشان می دهد اگرچه مقدار ضریب تعیین BMA نسبت به ضریب تعیین بهترین مدل، بالاتر نبوده ولی خروجی BMA حاصل اختصاص وزنهایی است که عدم قطعیت بین مدل ها و داده های ورودی را در نظر می گیرد. همچنین تاثیر تغییرات سطح آب زیرزمینی از زمان آزمون پمپاژ تا سال 1394بر مقادیر هدایت هیدرولیکی بررسی شده و نتایج تفاوت بسیار کمی در تغییرات هدایت هیدرولیکی نشان می دهد.