روشی تازه به منظور درون یابی مشاهدات بارندگی با کمک کریجینگ شاخص نرم و الگوریتم ژنتیک

درون یابی از جمله مهم ترین مسائل در علوم مکانی است؛ زیرا همیشه این نیاز وجود دارد که از یک حجم محدوده داده مجموعه ای از اطلاعات دقیق فراهم گردد. کریجینگ شاخص و کریجینگ شاخص نرم تقسیم می شود. الگوریتم ژنتیک در زمره ی الگوریتم های تکاملی است که برای یافتن یک جواب بهینه از مجموعه ای از جواب های بالقوه استفاده می شود. در این مقاله، از الگوریتم ژنتیک برای آموزش بهینه برخی از پارامترهای کریجینگ شاخص نرم با توجه به تابع هدف برای رسیدن به جواب بهینه استفاده می شود. در این تحقیق، از چهار روش کریجینگ معمولی، کریجینگ شاخص، کریجینگ شاخص نرم و کریجینگ شاخص نرم با الگوریتم ژنتیک بر یک مجموعه داده از ۱۵ ایستگاه سینوپتیک استان مازندران استفاده گردید. داده های استفاده شده، مشاهدات بارندگی در این ایستگاه ها مربوط به بهمن ماه سال ۱۳۸۷ بود. با مقایسه مقادیر مشاهداتی و محاسباتی در دو حالت اعتبارسنجی متقابل و جکنایف در چهار روش ذکر شده ثابت گردید که روش کریجینگ شاخص نرم با الگوریتم ژنتیک دقیق ترین روش است. به عنوان معیار این تصمیم گیری، از میانگین قدر مطلق اختلاف بین مقادیر مشاهداتی و محاسباتی هر روش استفاده گردید. این کمیت برای روش کریجینگ شاخص نرم با الگوریتم ژنتیک برابر با ۳/۱۰ میلی متر است که نسبت به سه روش اول (۳/۱۲، ۳/۱۳ و ۸/۱۲) کمینه است.

Keywords:

درون یابی , کریجینگ , عدم قطعیت , کریجینگ شاخص نرم , الگوریتم ژنتیک