مقایسه‌ی مدل استنتاج فازی و شبکه‌ی عصبی مصنوعی در برآورد عمق سنگ کف آبخوان مطالعه‌ی موردی: خراسان جنوبی- آبخوان بیرجند

   آب زیرزمینی یکی از مهمترین منابع آب در مناطق خشک و نیمه‌خشک است. با توجه به کاهش سطح آب زیرزمینی بر اثر برداشت غیرمجاز در بیشتر دشت‌های ایران، دبی چاهها پس از مدت کوتاهی به میزان زیادی کاهش یافته و این مهم لزوم برنامه‌ریزی منابع اب را مورد توجه قرار می­دهد. تعیین ضخامت آبرفت و نوع مصالح تشکیل‌دهنده‌ی آبخوان‌ها یکی از موارد ضروری جهت برنامه‌ریزی برای توسعه‌ی شهر و طراحی زیرساخت‌های آن می‌باشد. با توجه به اهمیّت عمق برآورد سنگ کف آبخوان‌ها جهت برآورد حجم و برنامه‌ریزی منابع آب در این تحقیق کارایی مدل‌های شبکه‌ی عصبی مصنوعی و سیستم‌های استنتاج فازی عصبی  در میزان عمق  سنگ کف و پهنه‌بندی آن در بخش‌های مختلف آبخوان مورد بررسی قرار گرفت. در این تحقیق از پارامترهای طول و عرض جغرافیایی، شوری، تراز سطح آب و زمین به عنوان ورودی‌ها استفاده شد و تلاش شد تا مدل مناسب برای پیش‌بینی سنگ کف تعیین گردد. نتایج این مطالعه نشان داد که مدل شبکه‌ی عصبی مصنوعی با ضریب تبیین 835/0 و میانگین مجذور خطای 88/49 متر با ورودی‌های تراز آب زیرزمینی، طول و عرض جغرافیایی دقت بالاتری نسبت به مدل‌های نروفازی در برآورد عمق سنگ بستر دارد