تخمين سطح ايستابي با استفاده از يك روش تركيبي بهينه شده با الگوريتم ژنتيك در دشت رامهرمز

Estimation of the groundwate level by using a combined optimized method with Genetic Algorithms in Ramhormoz plain.

با توجه به اهميت منابع آب زيرزميني، براي محاسبه مقدار متوسط و تخمين سطح آب در دشت ها، ضروري است كه اطلاعات حاصل از برداشت نقطه اي به سطح دشت تعميم داده شود. به اين منظور كاربرد مدل هاي زمين آماري، همواره با خطا همراه بوده است، چرا كه در اكثر موارد تابع برازش داده شده شامل كليه نقاط تجربي محاسبه شده نمي باشد. هدف از انجام اين پژوهش بررسي كاربرد روش تركيبي زمين آمار و شبكه عصبي مصنوعي بهينه شده با الگوريتم ژنتيك در تخمين سطح آب زيرزميني در دشت رامهرمز مي باشد. نتايج حاصل از كاربرد روش هاي كوكريجينگ، كريجينگ و روش عكس فاصله نشان داد كه روش كوكريجينگ با مدل نيم تغيرنماي گوسين، بهترين روش زمين آماري براي تخمين سطح ايستابي و تركيب با شبكه هاي عصبي مي باشد. همچنين نتايج حاصل از تركيب اين دو مدل نشان داد كه مدل تركيبي بهينه شده با الگوريتم ژنتيك داراي معيارهاي ارزيابي مناسب تري در تخمين سطح ايستابي نسبت به كاربرد روش هاي زمين آماري به تنهايي مي باشد و به عنوان يك روش تركيبي مناسب جهت تخمين سطح ايستابي پيشنهاد شده است.

Due to the importance of groundwater resources, in order to calculate the average level and estimate the water level in plains, it is necessary to generalize the information collected from point to the plain. Application of geostatistical models has always been associated with error, because the fitness function given in most cases is not include all the experimental. The aim of this study is An investigation on the application of combined geostatistics with optimized Artificial Neural Networks by genetic algorithm in interpolation of groundwater level in Ramhormoz plain. The obtained results from Kriging, Cokriging and IDW methods, are shown cokriging with the Gaussian variogeram in Ramhormoz Plain are the best geostatistical method to estimate the groundwater level and combined with neural networks. results the combination of these two models showed that combined optimized model by genetic algorithm possesses have better evaluation criteria than geostatistical methods to estimate groundwater level and proposed As a reasonable combined model to an estimate of the groundwater level.