ترکیب روش های هوش مصنوعی و زمین آمار برای پیش بینی زمانی و مکانی سطح آب زیرزمینی دشت قزوین

آب های زیر زمینی یکی از مهمترین منابع در جهت تامین نیازهای خانگی، صنعتی و کشاورزی و در بعضی مناطق از جمله برخی نواحی دشت قزوین تنها گزینه ممکن در جهت تامین این نیازها می باشند. در چند سال اخیر، به دلیل برداشت بی رویه از آب های زیرزمینی این دشت، سطح آب زیرزمینی افت شدیدی پیدا کرده است . استفاده از روش های هوش مصنوعی و مدل های ترکیبی برای پیش بینی زمانی مکانی نوسانات سطح آب زیرزمینی در دهه های اخیر بیشتر مورد توجه محققین قرار گرفته است. لذا به منظور یافتن راهکارهایی مفید برای مدیریت صحیح منابع آب زیرزمینی، ازترکیب مدل های هوش مصنوعی و زمین آمار برای پیش بینی زمانی و مکانی سطح آب زیرزمینی استفاده شده است . در این تحقیق از داده های ماهانه بارش، تبخیر و تراز آب زیرزمینی به عنوان ورودی های مدل استفاده شد که نتایج نشان داد از بین روش های فازی و شبکه عصبی روش شبکه عصبی کارایی بالاتری داشت . روش های مختلف درون یابی از جمله روش وزن دهی معکوس فاصله و کریجینگ با توابع مختلفی از جمله نمایی، کروی و معمولی برای هر متغیر بطور جداگانه تست شده و براساس فاکتورهایی از جمله خطای بایاس میانگین، خطای مربع میانگین، خطای قدر مطلق میانگین و خطای مجذور میانگین استاندارد شده ارزیابی گردیدند. نتیجه ای که در استفاده از این مدل بدست آمد، موید نزدیکی دقت روش های مختلف درون یابی برای داده های مورد استفاده بوده است. لذا مدل برنامه ریزی ژنتیک برای ترکیب با مدل زمین آماری استفاده شد و در نهایت مدل ترکیبی کریجینگ ژنتیک برای پیش بینی زمانی مکانی به دست آمد؛ و نتایج شبیه سازی شده به کل دشت و مناطق فاقد شبکه پایش سطح آب زیرزمینی بسط داده شد. در این پژوهش تلاش بر آن است که ضمن معرفی روش درون یابی کریجینگ وکوکریجینگ، به عنوان یکی از روش های دقیق و پرکاربرد، مراحل انجام این فرآیند با ذکر مثالی صورت گیرد.

Keywords:

درون یابی , دشت قزوین , هوش مصنوعی , کریجینگ