دانشگاه تبریز هیدروژئولوژی 2588-3011 3 2 2019 02 20 Estimation of Hydraulic Conductivity of Barug Aquifer Using Sugeno and Mamadani Fuzzy Models تخمین هدایت هیدرولیکی آبخوان باروق با استفاده از مدل‌های فازی ساگنو و ممدانی 1 9 7117 10.22034/hydro.2019.7117 FA یاسر باقری کارشناسی ارشد هیدروژئولوژی،دانشکده علوم، دانشگاه ارومیه،ارومیه اسفندیار عباس نوین پور استادیار هیدروژئولوژی، دانشکده علوم، دانشگاه ارومیه عطا الله ندیری دانشیار هیدروژئولوژی، دانشکده علوم طبیعی، دانشگاه تبریز کیوان نادری دانشجوی دکترای هیدروژئولوژی،دانشکده علوم طبیعی،دانشگاه تبریز،تبریز Journal Article 2018 01 13 <em>       Groundwater system is a complex and heterogeneous system and estimation of hydrogeological parameters with classical methods such as laboratory methods, slug test, tracing and pumping tests are associated with inherent uncertainties and are costly and time consuming. Therefore, artificial intelligence methods have been used to hydraulic conductivity estimation, can reduce the uncertainty of this variable and increase the accuracy of calculation for overcoming to defects of classical methods. In the meantime, the optimal management of this demand and the prevention of aquifers destruction and groundwater resources, requires the accurate recognition of hydrodynamic parameters. In this study, Sugeno fuzzy logic (SFL) and Mamdani fuzzy logic (MFL models) were used to hydraulic conductivity estimation of the Barug aquifer. In this regard, the data of electrical conductivity (EC), saturation zone thickness (B) and transverse aquifer resistance (RT) were used as input data of the model. Finally, in order to obtain the most ideal model, the RMSE and R2 were calculated for both models and the two models were compared. The results indicate that Sageno fuzzy model had a better performance with coefficient function and root mean square error being receptively R²=0.94 and RMSE=0.045 in comparison with mamdani model for estimating hydraulic conductivity.</em> سامانه آب زیرزمینی یک سامانه پیچیده است و برآورد متغیرهای هیدروژئولوژیکی که معمولاً با روش­های کلاسیک مانند روش­های آزمایشگاهی، اسلاگ تست، آزمایش ردیابی و آزمون­های پمپاژ انجام می­گیرد؛ با عدم قطعیت ذاتی همراه بوده و پر هزینه و وقت‌گیر است. بنابراین، استفاده از روش­های هوش مصنوعی برای برآورد هدایت هیدرولیکی، می­تواند از عدم قطعیت این متغیر کم کند و تا حدودی بر دقت آن می­افزاید تا بتواند بر نواقص موجود در روش­های کلاسیک چیره شود. در این میان مدیریت بهینه این تقاضا و جلوگیری از تخریب آبخوان‌ها و منابع آب زیرزمینی مستلزم شناخت دقیق پارامترهای هیدرودینامیکی می­باشد. در این تحقیق با استفاده از مدل‌های فازی ساگنو(SFL) و ممدانی(MFL) به تخمین هدایت هیدرولیکی آبخوان باروق پرداخته می‌شود. در همین راستا از داده­های هدایت الکتریکی (EC) ،ضخامت زون اشباع (B) و مقاومت عرضی آبخوان (RT) به عنوان داده­های ورودی مدل استفاده شده است. در نهایت به منظور به دست آوردن ایده­آل­ترین مدل مقدار مجذور میانگین مربعات خطا و R² برای هر دو مدل محاسبه و دو مدل با یکدیگر مقایسه گردید. نتایج نشان که مدل­ فازی ساگنو به ترتیب با ضریب همبستگی R²=0.94 و مجذور مربعات خطا RMSE=0.045 در مرحله آموزش عملکرد بهتری را نسبت به مدل ممدانی برای تخمین هدایت هیدرولیکی دارد. https://hydro.tabrizu.ac.ir/article_7117_97ab3ef70cd55c41c44168967c0a8c3a.pdf