ارائه مدل ترکیبی ژنتیک ـ کریجینگ برای پیش‌بینی زمانی و مکانی سطح آب زیرزمینی

استفاده از روش‌های هوشمند تکاملی و مدل‌های ترکیبی برای پیش‌بینی زمانی ـ مکانی نوسانات سطح آب زیرزمینی در دهه‌های اخیر بیشتر مورد توجه محققین قرار گرفته است. الگوریتم ژنتیک و نروفازی از روش‌های جدید پیش‌بینی نوسانات سطح آب زیرزمینی هستند که برای پیش‌بینی مسائل پیچیده و غیرخطی می‌توانند به‌صورت منفرد و ترکیبی به‌کار روند. در این پژوهش، از روش‌های فوق برای مطالعه آبخوان دشت هادیشهر که به دلیل برداشت بی‌رویه از آب‌های 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 ـ دوزال است. به‌منظور یافتن راهکارهایی مفید برای پیش‌بینی زمانی ـ مکانی سطح آب زیرزمینی، از روش‌های هوش مصنوعی مانند نروفازی و برنامه‌ریزی ژنتیک و ترکیب بهترین مدل آن‌ها با روش‌های زمین‌ آماری استفاده شد. بارش و تبخیر در گام زمانی t0 و سطح آب زیرزمینی در گام زمانی t0-1 ورودی‌های مدل‌های نروفازی و برنامه‌ریزی ژنتیک بودند. نتایج نشان داد دقت مدل برنامه‌ریزی ژنتیک بیشتر از مدل نروفازی است به‌طوری‌که RMSE میانگین برای پیزومتر‌های منتخب در مرحله آزمایش در مدل برنامه‌ریزی ژنتیک 19 سانتی‌متر و در مدل نروفازی 23 سانتی‌متر به‌دست آمد. لذا مدل برنامه‌ریزی ژنتیک برای ترکیب با مدل‌ زمین ‌آماری (کریجینگ) استفاده شد و در نهایت مدل ترکیبی کریجینگ ـ ژنتیک برای پیش‌بینی زمانی ـ مکانی به‌دست آمد؛ و نتایج شبیه‌سازی‌شده به کل دشت و مناطق فاقد شبکه پایش سطح آب زیرزمینی بسط داده شد.