نوع مقاله : مقاله پژوهشی

نویسندگان

• حسین نوروزی قوشبلاغ ¹
• عطاالله ندیری ²

¹ دانشجوی دکتری هیدروژئولوژی، دانشکدة علوم طبیعی، دانشگاه تبریز، تبریز، ایران

² دانشیار هیدروژئولوژی، دانشکدة علوم طبیعی، دانشگاه تبریز، تبریز، ایران

چکیده

مطالعات یک سیستم آب زیرزمینی به‌منظور شناخت رفتار آن، نیازمند حفر تعدادی زیادی چاه اکتشافی و انجام عملیات پمپاژ و آزمایش‌های ژئوفیزیک می‌باشد که با صرف هزینه‌های فراوان عملی می‌گردد. به همین دلیل، امروزه شبیه‌سازی جریان آب زیرزمینی توسط مدل‌های ریاضی و کامپیوتری که یک روش غیرمستقیم مطالعة آب زیرزمینی می­باشد، با صرف هزینة کمتر صورت می‌گیرد. در این تحقیق کارایی مدل­های شبکه­های عصبی مصنوعی، منطق فازی و جنگل تصادفی(RF) در تخمین سطح آب زیرزمینی آبخوان دشت بوکان مورد بررسی قرار گرفت. پارامترهای بارندگی، دما، دبی جریان و تراز سطح ایستابی در دورة زمانی ماه قبل به‌عنوان ورودی و تراز سطح ایستابی در دورة موردنظر به‌عنوان خروجی مدل‌ها در مقیاس زمانی ماهانه در طی دورة آماری (1395-1383) انتخاب گردید. معیارهای ضریب همبستگی، ریشة میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و نیز مقایسة عملکرد مدل‌ها مورد استفاده قرار گرفت. نتایج حاصله نشان داد که مدل‌های منطق فازی و RF می‌توانند تراز سطح ایستابی را با دقت قابل قبولی پیش‌بینی نمایند. سطح آب زیرزمینی در منطقة مورد مطالعه توسط مدل جنگل تصادفی با دقت بیشتر و با همبستگی بالایی بین داده‌های مشاهداتی و محاسباتی پیش‌بینی گردید. بر اساس یافته‌های تحقیق مدل جنگل تصادفی که برای اولین بار در این زمینه مورد استفاده قرار گرفته است، توانایی بیشتری در پیش‌بینی پارامترهای هیدروژئولوژیکی را دارد.

کلیدواژه‌ها

• سطح ایستابی
• شبکه‌های عصبی
• منطق فازی
• جنگل تصادفی

عنوان مقاله [English]

Groundwater Level Prediction of Boukan Plain using Fuzzy Logic, Random Forest and Neural Network Models

نویسندگان [English]

• hossein norouzi ¹
• ataallah nadiri ²

¹ university of Tabriz, faculty of natural science, department of earth science

² university of Tabriz, department of earth science

چکیده [English]

123
Groundwater system studies to understanding its behavior, requires the exploratory drilling wells, pumping test and geophysical experiments, which can carried out with most cost. For this reason, simulation of groundwater flows by mathematical and computer models, which is an indirect method to groundwater studies, is being spent a few costs. In this research, the efficiency of artificial neural network, fuzzy logic and random forest models has been investigated in groundwater level estimation of Boukan plain. Parameters of precipitation, temperature, flow rate and water level within time period of the previous month were used as input and the water table in each period were selected as output through monthly scale (2006-2017). To evaluating the performance of models, Correlation coefficient, root mean square error and coefficient of mean absolute error were used. The results showed that the Fuzzy Logic and Random Forest models are able to estimate water levels with acceptable accuracy. In terms of accuracy, fuzzy logic model with the highest correlation coefficient (0.96), lowest root mean square error (0.068 m0) and mean absolute error (0.056 m) was recognized as a best the model in the groundwater level prediction.

کلیدواژه‌ها [English]

• Fuzzy logic
• Groundwater level
• neural networks
• Random forest