توسعه مدل‌های هوش مصنوعی مرکب در برآورد قابلیت انتقال آبخوان، مطالعه موردی: دشت تسوج

پارامترهای هیدروژئولوژیکی از جمله قابلیت انتقال یکی از مهمترین پارامترهای ورودی در مدل‌سازی آبهای زیرزمینی است که عموماً تعیین آن برای نقاط مختلف آبخوان با هزینه‌های فراوانی انجام می‌گیرد. آبخوان دشت تسوج یکی از آبخوانهای حاشیه دریاچه ارومیه می‌باشد که در دهه اخیر با افت سطح آب زیرزمینی مواجه شده و نیازمند مدیریت کمی و کیفی است. بنابراین، در این تحقیق به عنوان مرحله اول، از مدل‌های منطق فازی، شبکه عصبی مصنوعی و نوروفازی برای برآورد قابلیت انتقال استفاده شد. سپس با توجه به پیچیدگی سیستم‌های هیدروژئولوژیکی، در این مطالعه روش ترکیبی از مدل‌های هوش مصنوعی پیشنهاد شده است که مدل هوش مصنوعی مرکب (Committee machine (CM)) خوانده می‌شود. با توجه به این که هر یک از مدل‌های فازی، شبکه عصبی مصنوعی و نوروفازی توانایی‌هایی در برآورد پارامترهای هیدروژئولوژیکی نشان داده‌اند، لذا در این روش ترکیبی از این مدل‌ها برای پیش‌بینی قابلیت انتقال استفاده شده است. به طوری که خروجی هر مدل با وزن بهینه شده بوسیله روش الگوریتم  بهینه‌سازی جامعه ذرات، به خروجی مدل ترکیبی ارائه شده انجامید. در این مطالعه از متغیرهای ژئوفیزیکی و هیدروژئولوژیکی مرتبط با قابلیت انتقال مانند مقاومت عرضی (Rt)، هدایت الکتریکی (EC) و ضخامت آبخوان(B)  و همچنین موقعیت جغرافیایی به عنوان ورودی برای برآورد قابلیت انتقال استفاده شد. بر اساس نتایج بدست آمده مدل ترکیبی پیشنهاد شده نسبت به هریک از مدل‌های فازی، شبکه عصبی مصنوعی و نوروفازی نتایج بهتری نشان دادند.