کاربرد روش ترکیبی زمین آمار و شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک در تخمین سطح ایستابی (مطالعه موردی: دشت های دزفول و زیدون)

     از آنجایی که برداشت آب از چاه های مشاهده ای موجود در دشت ها به صورت نقطه ای انجام می گیرد، لذا ضرورت دارد به منظور  محاسبه مقدار متوسط سطح آب زیرزمینی در دشت ها و تخمین سطح آب، اطلاعات حاصل از برداشت نقطه­ای به کل سطح تعمیم داده شود. هدف از انجام این پژوهش بررسی کاربرد روش ترکیبی زمین آمار و شبکه عصبی مصنوعی بهینه شده با الگوریتم ژنتیک در تخمین سطح آب زیرزمینی در دشت های دزفول و زیدون واقع در استان خوزستان می­باشد. نتایج حاصل از کاربرد روش­های کوکریجینگ، کریجینگ و روش عکس فاصله نشان داد که در دشت دزفول روش کوکریجینگ با مدل نیم­تغیرنما و نیم­تغییرنمای متقابل گوسین، و در دشت زیدون روش کریجینگ با نیم­تغیرنمای گوسین بهترین روش زمین آماری برای تخمین سطح ایستابی و ترکیب با شبکه­های عصبی می­باشد. همچنین نتایج حاصل از ترکیب این دو مدل در هر دو دشت، نشان داد که مدل ترکیبی بهینه شده با الگوریتم ژنتیک دارای معیارهای ارزیابی مناسب­تری در تخمین سطح ایستابی نسبت به کاربرد روش­های زمین آماری به تنهایی می­باشد. به­طوری که کاربرد این روش ترکیبی بهینه شده در دشت زیدون که دارای تعداد چاه­های مشاهد­ه­ای کمتری می­باشد، موثر­تر از دشت دزفول بوده است.

Keywords:

آب زیرزمینی , الگوریتم ژنتیک , زمین آمار , شبکه عصبی مصنوعی