تخمین هدایت هیدرولیکی و ارزیابی عدم قطعیت بین مدل‌ها و داده‌های ورودی توسط متوسط‌گیری بیزین از مدل‌های هوش مصنوعی

تخمین هدایت هیدرولیکی از مهمترین بخش‌های مطالعات هیدروژئولوژی بوده که در مدیریت آب‌های زیرزمینی حائز اهمیت است. اما به علت محدودیتهای عملی، زمانی و یا هزینه‌ای، 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 داده‌های ورودی (شامل مقاومت عرضی، ضخامت آبخوان، هدایت الکتریکی و فاصله اقلیدسی) و تکنیک‌های آموزشی متفاوت در این نوع مدلها به عنوان مهم‌ترین عوامل ایجادعدم‌قطعیت هستند، لذا تاثیر منابع مختلف عدم قطعیت در خروجی باید درنظرگرفته شود. در این تحقیق روش میانگین‌گیری مدل بیزین (BMA) توسعه داده شده که شامل ترکیب مدل‌های شبکه عصبی مصنوعی، منطق فازی و نروفازی در تخمین هدایت هیدرولیکی و ارزیابی عدم قطعیت است. در مدل BMA، وزن مدل‌ها توسط معیار اطلاعات بیزین (BIC) تعیین شده و واریانس درون مدل ناشی از عدم قطعیت داده ورودی و واریانس بین مدل‌ها ناشی از عدم قطعیت مربوط به ذات مدل‌های هوش مصنوعی محاسبه می‌شود. در این مطالعه روش توسعه داده شده برای تخمین هدایت هیدرولیکی در آبخوان دشت ارومیه اعمال شده است. نتایج نشان می‌دهد اگرچه مقدار ضریب تعیین BMA نسبت به ضریب تعیین بهترین مدل، بالاتر نبوده ولی خروجی BMA حاصل اختصاص وزنهایی است که عدم قطعیت بین مدل‌ها و داده‌های ورودی را در نظر می‌گیرد. همچنین تاثیر تغییرات سطح آب‌زیرزمینی از زمان آزمون پمپاژ تا سال 1394بر مقادیر هدایت هیدرولیکی بررسی شده و نتایج تفاوت بسیار کمی در تغییرات هدایت هیدرولیکی نشان می‌دهد.