تخمين هدايت هيدروليكي آبخوان باروق با استفاده از مدل‌هاي فازي ساگنو و ممداني

Estimation of Hydraulic Conductivity of Barug Aquifer Using Sugeno and Mamadani Fuzzy Models

سامانه آب زيرزميني يك سامانه پيچيده است و برآورد متغيرهاي هيدروژئولوژيكي كه معمولاً با روش­هاي كلاسيك مانند روش­هاي آزمايشگاهي، اسلاگ تست، آزمايش رديابي و آزمون­هاي پمپاژ انجام مي­گيرد؛ با عدم قطعيت ذاتي همراه بوده و پر هزينه و وقت‌گير است. بنابراين، استفاده از روش­هاي هوش مصنوعي براي برآورد هدايت هيدروليكي، مي­تواند از عدم قطعيت اين متغير كم كند و تا حدودي بر دقت آن مي­ افزايد تا بتواند بر نواقص موجود در روش­هاي كلاسيك چيره شود. در اين ميان مديريت بهينه اين تقاضا و جلوگيري از تخريب آبخوان‌ها و منابع آب زيرزميني مستلزم شناخت دقيق پارامترهاي هيدروديناميكي مي­باشد. در اين تحقيق با استفاده از مدل‌هاي فازي ساگنو(SFL) و ممداني(MFL) به تخمين هدايت هيدروليكي آبخوان باروق پرداخته مي‌شود. در همين راستا از داده­هاي هدايت الكتريكي (EC) ،ضخامت زون اشباع (B) و مقاومت عرضي آبخوان (RT) به عنوان داده­هاي ورودي مدل استفاده شده است. در نهايت به منظور به دست آوردن ايده­آل­ترين مدل مقدار مجذور ميانگين مربعات خطا و R2 براي هر دو مدل محاسبه و دو مدل با يكديگر مقايسه گرديد. نتايج نشان كه مدل­ فازي ساگنو به ترتيب با ضريب همبستگي R2=0.94 و مجذور مربعات خطا RMSE=0.045 در مرحله آموزش عملكرد بهتري را نسبت به مدل ممداني براي تخمين هدايت هيدروليكي دارد.

Groundwater system is a complex and heterogeneous system and estimation of hydrogeological parameters with classical methods such as laboratory methods, slug test, tracing and pumping tests are associated with inherent uncertainties and are costly and time consuming. Therefore, artificial intelligence methods have been used to hydraulic conductivity estimation, can reduce the uncertainty of this variable and increase the accuracy of calculation for overcoming to defects of classical methods. In the meantime, the optimal management of this demand and the prevention of aquifers destruction and groundwater resources, requires the accurate recognition of hydrodynamic parameters. In this study, Sugeno fuzzy logic (SFL) and Mamdani fuzzy logic (MFL models) were used to hydraulic conductivity estimation of the Barug aquifer. In this regard, the data of electrical conductivity (EC), saturation zone thickness (B) and transverse aquifer resistance (RT) were used as input data of the model. Finally, in order to obtain the most ideal model, the RMSE and R2 were calculated for both models and the two models were compared. The results indicate that Sageno fuzzy model had a better performance with coefficient function and root mean square error being receptively R2=0.94 and RMSE=0.045 in comparison with mamdani model for estimating hydraulic conductivity.