ارائه مدل ترکیبی ژنتیک کریجینگ برای پیش بینی زمانی و مکانی سطح آب زیرزمینی

استفاده از روش های هوشمند تکاملی و مدل های ترکیبی برای پیش بینی زمانی مکانی نوسانات سطح آب زیرزمینی در دهه های اخیر بیشتر مورد توجه محققین قرار گرفته است. الگوریتم ژنتیک و نروفازی از روش های جدید پیش بینی نوسانات سطح آب زیرزمینی هستند که برای پیش بینی مسائل پیچیده و غیرخطی می توانند به صورت منفرد و ترکیبی به کار روند. در این پژوهش، از روش های فوق برای مطالعه آبخوان دشت هادیشهر که به دلیل برداشت بی رویه از آب های زیرزمینی، سطح آب زیرزمینی آن افت شدیدی پیدا کرده است؛ استفاده شد. دشت هادیشهر در شمال غرب استان آذربایجان شرقی واقع شده و بخشی از محدوده مطالعاتی جلفا دوزال است. به منظور یافتن راهکارهایی مفید برای پیش بینی زمانی مکانی سطح آب زیرزمینی، از روش های هوش مصنوعی مانند نروفازی و برنامه ریزی ژنتیک و ترکیب بهترین مدل آن ها با روش های زمین آماری استفاده شد. بارش و تبخیر در گام زمانی t0 و سطح آب زیرزمینی در گام زمانی t0-1 ورودی های مدل های نروفازی و برنامه ریزی ژنتیک بودند. نتایج نشان داد دقت مدل برنامه ریزی ژنتیک بیشتر از مدل نروفازی است به طوری که RMSE میانگین برای پیزومتر های منتخب در مرحله آزمایش در مدل برنامه ریزی ژنتیک 19 سانتی متر و در مدل نروفازی 23 سانتی متر به دست آمد. لذا مدل برنامه ریزی ژنتیک برای ترکیب با مدل زمین آماری (کریجینگ) 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.