مدل منطق فازی در تخمین قابلیت‌انتقال آبخوانها مطالعه موردی: دشت تسوج

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار، گروه زمین شناسی، دانشکده علوم طبیعی، دانشگاه تبریز

2 استاد، گروه زمین شناسی، دانشکده علوم طبیعی، دانشگاه تبریز

3 استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه

4 کارشناس ارشد مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان شرقی

چکیده

این مطالعه یک مدل منطق فازی مرکب نظارت شده  (SCFL)برای تخمین قابلیت­انتقال در آبخوان دشت تسوج ارائه می کند. تخمین قابلیت­انتقال به ویژه در آبخوان ناهمگن بسیار پرهزینه و وقت گیر است. در این مطالعه، برای تخمین قابلیت­انتقال با استفاده از داده های هیدروژئولوژیکی و ژئوفیزیکی از مدل های فازی مانند ممدانی(MFL)، لارسن  (LFL)  و ساگنو (SFL) استفاده شد. این مدل ها، نتایج مشابهی در تخمین قابلیت­انتقال در دشت تسوج ارائه دادند.  لذا به جای انتخاب مدل برتر از مدل SCFL برای برای ترکیب نتایج سه مدل منفرد فازی استفاده شد. برای استفاده همزمان از مزایای هر سه مدل مذکور، ترکیب غیر خطی از خروجی مدل های فازی برای ایجاد یک مدل منطق فازی مرکب نظارت شده به کار گرفته می شود. مدل مذکور از یک شبکه عصبی مصنوعی برای تخمین قابلیت­انتقال بر اساس خروجی سه مدل فازی استفاده می کند. نتایج نشان داد مدل SCFL ارائه شده، توانست نسبت به روش های مدل منطق فازی مرکب ساده، که از روش ترکیب کننده خطی سود می بردند، بهتر عمل کند. همچنین نتایج نشانگر برتری نتایج مدل SCFL نسبت به هر یک از مدل های فازی بودند.
 
 

کلیدواژه‌ها


عنوان مقاله [English]

Fuzzy Logic Model for Estimation of Aquifers Transmissivity Case study: Tasuj Plain

نویسندگان [English]

  • A Klantari 1
  • A Hosseinpour 2
  • H Abghari 3
  • A Klantari 4
  • A Hosseinpour 4
  • A habibzadeh 4
چکیده [English]

This study presents a supervised committee fuzzy logic (SCFL) model to estimate transmissivity in the aquifer of the Tasuj Plain, Iran. The estimation of transmissivity especially in a heterogeneous aquifer is expensive and time consuming. In this study, fuzzy logic models such as Mamdani fuzzy logic (MFL), Larsen fuzzy logic (LSL) and Sugeno fuzzy logic (SFL) were applied to estimate transmissivity using hydrogeological and geophysical survey data. The results showed that all of these models have a similar fitting to the transmissivity data in the Tasuj Plain. The SCFL model was adopted to combine output of the three single fuzzy models instead of the selecting superior single model. To reap the advantage of considering single models, the SCFL proposes a nonlinear combination of individual FL model outputs through a committee fuzzy logic model. The SCFL method uses an artificial neural network (ANN) model to re-estimate transmissivity based on the output of the three FL models. The result showed improvement to the committee machine with a linear combination of FL models estimations. The results also showed significant fitting improvement to individual FL models.

کلیدواژه‌ها [English]

  • Larsen fuzzy logic
  • Mamdani fuzzy logic
  • Sugeno fuzzy logic
  • Supervised committee fuzzy logic
  • Transmissivity