مقایسۀ کارایی مدل‌های شبکۀ عصبی مصنوعی، منطق فازی و جنگل تصادفی در برآورد پارامتر قابلیت انتقال آبخوان دشت ملکان

آبخوان دشت ملکان به عنوان یکی از آبخوان‏های حوضۀ دریاچۀ ارومیه، به مدیریت صحیح کمی و کیفی نیاز دارد. روش‏های مختلفی از جمله انجام آزمون پمپاژ، روش‏های آزمایشگاهی، استفاده از ردیاب‏ها و روش‏های ژئوفیزیکی برای ارزیابی پارامترهای هیدروژئولوژیکی و مدیریت مناسب آبخوان‏ها وجود دارد. هر چند تعبیر و تفسیر داده‏های به‌دست‌آمده از آزمون پمپاژ، بهترین روش تخمین پارامترهای هیدروژئولوژیکی آبخوان است، اما این روش‏ پرهزینه، وقت‏گیر و نتایج آن مختص به مناطق محدودی خواهد بود. با توجه به اینکه مدل‏های هوش مصنوعی توانایی‏هایی در برآورد پارامترهای هیدروژئولوژیکی نشان داده‏اند، در تحقیق حاضر کارایی مدل‏های شبکه‏های عصبی مصنوعی، منطق فازی و جنگل تصادفی در برآورد پارامتر قابلیت انتقال آبخوان دشت ملکان بررسی شده‏ است. پارامترهای ژئوفیزیکی و هیدروژئولوژیکی مرتبط با قابلیت انتقال، از جمله مقاومت عرضی، هدایت الکتریکی، ضخامت آبخوان و هدایت هیدرولیکی به عنوان مهم‏ترین ورودی در این مدل‏ها در نظر گرفته شده ‏است. بر اساس نتایج به‌دست‌آمده از بین مدل‏های شبکۀ عصبی و فازی و جنگل تصادفی، مدل جنگل تصادفی ‌دقت و توانایی بیشتری در شبیه‏سازی داشته‏ است. نتایج به‌دست‌آمده از شبیه‏سازی (auc=0/96, mse=0.001, r2=0.986) و تعیین مهم‏ترین پارامترهای تاثیرگذار در پیش‏بینی قابلیت انتقال، گویای برتری این مدل نسبت به مدل‏های شبکه‏های عصبی مصنوعی و منطق فازی در بحث پیش‏بینی است.