سعید یوسف زاده - دانشجوی کارشناسی ارشد هیدروژئولوژی، دانشکده علوم زمین، دانشگاه تبریز ایران
عطاالله ندیری - عضو هیئت علمی دانشکده علوم زمین، گروه زمین شناسیریال دانشگاه تبریز ایران

در سالهای اخیر، مدیریت و بهره برداری بهینه از منابع آبهای زیرزمینی با افزایش روزافزون جمعیت و پیشرفت و توسعه جوامع بشری همراه با افزایش تقاضای آب، با تهدیدات جدی روبرو گشته است. برای غلبه بر این موضوع و همچنین برایجلوگیری از تخریب آبخوانها و بهره برداری بهینه از آبهای زیرزمینی، شناخت شرایط حاکم بر محیط هیدروژئولوژیکی ضروری می باشد. برای رسیدن به این مهم، تخمین و ارزیابی پارامترهای مؤثر بر این شرایط مانند هدایت هیدرولیکی از اهمیت و اولویت خاصی برخوردار است. برای تخمین و ارزیابی این پارامترهای به روشهایی نیاز است که بتوانند در زمانیکوتاه و با صرف هزینه کمتر، تخمین دقیقی را ارائه دهند و همچنین از پیچیدگی کمتر برخوردار بوده و برخلاف مدل های مفهمومی و فیزیکی و روشهای کلاسیک، نیازمند داده های زیاد نباشد. براین اساس روشهای هوش مصنوعی مانند شبکه عصبی مصنوعی) ANN (، سیستم استنتاج فازی) FIS ( و سیستم استنتاج فازی عصبی تطبیقی) - ANFIS ( از کارآیی و دقت بالایی برخوردار بوده و بر نواقص فوق غلبه نموده اند. در این تحقیق نیز نتایج حاصل از مدل شبکه عصبی مصنوعی و سیستم استنتاج فازی عصبی تطبیقی جهت تخمین هدایت هیدرولیکی در آبخوان مراغه بناب با هم مقایسه - - شدند. نتایج حاصل نشان داد که علاوه بر کارآیی بالای هر دو مدل، مدل ANFIS که ترکیبی از شبکه عصبی و سیستم استنتاج فازی است، از دقت و قدرت تخمین بالایی برخوردار است.

روشهای هوش مصنوعی، شبکه عصبی مصنوعی، منطق فازی، نرو فازی