اصغر اصغری مقدم - دانشیار دانشگاه تبریز
عطالله ندیری - دانشجوی دکتری هیدروژئولوژی دانشگاه تبریز
الهام فیجانی - دانشجوی دکتری هیدروژئولوژی دانشگاه تبریز

پیشبینی مکانی پارامترهای هیدروژئولوژیکی از جمله هدایت هیدرولیکی در محدوده شهر تبریز به واسطه وجودپروژه های مهندسی در دست اجرا از جمله پروژه متروی شهر تبریز ضروری به نظر می رسد. به علت پیچیده وچند لایه بودن آبخوان این محدوده، مدل سازی آن با مدل های ریاضی کلاسیک با مشکلات فراوانی رو به رو است. لذا در این تحقیق به عنوان روشی جدید مدل شبکه های عصبی مصنوعی ترکیبی (HANN) برای پیشبینیمکانی هدایت هیدرولیکی توسعه داده شد. ابتدا شبکه عصبی مصنوعی ساده BFG-FNN استفاده شد و نشانداد که این مدل با ورودی ها و خروجی هایی در رنج کوچک نتایج بسیار مناسبی خواهد داشت. بنابراین از شبکهعصبی مصنوعی LVQ برای دسته بندی داده ها در چهار دسته با رنج کوچک استفاده شد و برای هر دسته شبکه عصبی مصنوعی BFG-FNN تعریف گردید و نتایج مناسبی به دست آمد. سپس از مدل های کلاسیکپیشبینی مکانی از جمله مدل زمین آمار چند متغیره که کوکرجینگ نامیده می شود به منظور مقایسه و بررسیکارایی نتایج مدل ترکیبی توسعه داده شد استفاده شد. به واسطه پیچیدگی بالای آبخوان محدوده مطالعاتی و خطی بودن مدل زمین آمار، نتایج آن مشابه نتایج شبکه عصبی مصنوعی ساده FNN-BFG بود و بهترین نتایجبرای پیشبینی مکانی هدایت هیدرولیکی مربوط به مدل غیرخطی ترکیبی شبکه های عصبی مصنوعی ارائه شده(HANN) می باشد

هدایت هیدرولیکی، مدل ترکیبی شبکه های عصبی مصنوعی، مدل زمینآمار، آبخوان محدوده مترویشهر تبریز