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)

Abstract

<strong> از آنجایی که برداشت آب از چاه‌های مشاهده‌ای موجود در دشت‌ها به صورت نقطه‌ای انجام می‌گیرد، لذا ضرورت دارد به منظور محاسبه مقدار متوسط سطح آب زیرزمینی در دشت‌ها 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 دشت‌های 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 </strong><strong>می­باشد</strong><strong>. به­طوری که کاربرد این روش ترکیبی بهینه شده در دشت زیدون که دارای تعداد چاه­های مشاهد­ه­ای کمتری می­باشد، موثر­تر از دشت دزفول بوده است.</strong>