تخمين پارامترهاي هيدروديناميكي آبخوان محبوس با استفاده از مدل فازي سوگنو

شناخت دقيق پارامترهاي هيدروژئولوژيكي مانند قابليت انتقال، هدايت هيدروليكي و ضريب ذخيره يا آبدهي ويژه از جمله پارامترهاي مهم براي پيشبيني شرايط آبخوان هستند كه عموماً تعيين آنها براي نقاط مختلف آبخوان با هزينههاي فراواني انجام مي‌شود. در سالهاي اخير، از مدلهاي هوش مصنوعي به عنوان جايگزين روشهاي انطباق منحني تيپ براي تعيين پارامترهاي هيدروديناميكي آبخوانها استفاده شده است. بنابراين، در مطالعۀ حاضر نيز براي تعيين پارامترهاي هيدروديناميكي آبخوان محبوس از منطق فازي سوگنو استفاده شد. ابتدا دقت، قابليت اطمينان و توانايي تعميم اين مدل فازي از طريق آزمايش آن با دادههاي افت- زمان واقعي تأييد شد. سپس، نتايج به‌دست‌آمده از اين مدل با نتايج به‌دست‌آمده از روش گرافيكي تايس و شبكۀ عصبي مصنوعي مقايسه شد. مقايسۀ RRMSE مدل شبكۀ عصبي مصنوعي و مدل فازي به منظور تخمين قابليت انتقال آبخوان و ضريب ذخيره در مرحلۀ آزمايش نشان داد مدل فازي، خطا را به‌ترتيب 21 /9 و 66/ 11 درصد نسبت به شبكۀ عصبي كاهش ميدهد. بنابراين، نتايج به‌دست‌آمده از روش گرافيكي تايس، شبكۀ عصبي مصنوعي و مدل منطق فازي در مرحلۀ صحتسنجي نشان مي‌دهند مدل فازي سوگنو در كنار دو روش يادشده توانايي تعيين پارامترهاي آبخوان تحت فشار را دارد. اين كارايي نسبي بيشتر منطق فازي سوگنو را مي‌توان در توانايي ذاتي آن در كار با دادهها و پارامترهاي داراي عدم قطعيت نسبت به روش گرافيكي تايس و شبكۀ عصبي مصنوعي دانست.