ارزیابی میزان دقت مدل هیبرید برنام هریزی بیان ژن - منطق فازی در برآورد خطر رخداد فرونشست زمین و عوامل موثر بر آن (مطالعه موردی: آبخوان ورامین)

فرونشست زمین فرآیندی غیرخطی و پیچیده است که مدل های هوش محاسباتی داده مبنا قادر هستند به مدلسازی آن بپردازند. در این مطالعه میزان دقت و کارایی مدل هیبرید برنامه ریزی بیان ژن منطق فازی در برآورد خطر رخداد فرونشست زمین و عوامل موثر بر آن در آبخوان ورامین مورد ارزیابی قرار گرفت. بدین منظور پس از انتخاب و جمع آوری اطلاعات 15 فاکتور موثر بر رخداد فرونشست بر اساس سوابق تحقیق در محیطgis، در مرحله اول توسط توابع عضویت فازی، این فاکتورها استاندارد شدند و سپس جهت تلفیق لایه ها از روش برنامه ریزی بیان ژن استفاده گردید. در نهایت با استفاده از 7 سنجنده آماری مهم بر مبنای داده های تصاویر رادار به صحت سنجی مدل بر مبنای 4 سناریوی متفاوت در داده های ورودی و عملگرها پرداخته شد. نتایج نشان داد سناریوی 1 با پارامترهای ورودی تراز سنگ بستر، دبی، افت آبهای زیرزمینی، زمین شناسی و عملگرهای ,+,×,÷,sqr,exp,ln,^2,^3,3rt,sin,cos,atan، بهترین سناریو در مرحله آموزش و آزمون می باشد. بر همین اساس پارامتر افت آبهای زیرزمینی بیشترین تاثیر را بر میزان فرونشست زمین در منطقه مورد مطالعه داشته است.

Evaluation of Accuracy of Hybrid Model of Gene Expression Planning Fuzzy Logic in Estimation of Land Subsidence Risk

Land subsidence is a nonlinear and complex process that datadriven computational intelligence models can model it. In this study, the accuracy and efficiency of hybrid fuzzy logic gene expression planning hybrid model in estimating land subsidence risk and its factors in Varamin aquifer standardized. For this purpose, after selecting and gathering information from 15 factors affecting the subsidence event based on research records in the GIS environment, they were first standardized by fuzzy membership functions and then gene expression programming method was used to integrate the layers. Finally, using seven important statistical benchmarks based on radar image data, the model was validated in 4 different scenarios in input data and operators. The results showed scenario 1 with input parameters of bedrock level, Debi of pumping wells, groundwater drawdown, geology and operators, +, ×, ÷, sqr, exp, Ln, ^ 2, ^ 3,3Rt, sin, cos, Atan, is the best model in training and testing. Accordingly, the groundwater drawdown parameter had the highest effect on land subsidence in the study area.