روش کریجینگ که یک روش زمین آماری است، از متداول ترین روش های درونیابی می باشد. کریجینگ بر اساس نوع کاربرد به زیرروش های مختلفی تقسیم می گردد که از میان آن ها می توان به کریجینگ معمولی، کریجینگ شاخص و کریجینگ شاخص نرم اشاره نمود. روش کریجینگ شاخص به منظور تعیین احتمال عبور یا عدم عبور کمیت هر نقطه مجهول از یک سری حدود آستانه به کار می رود. در این روش، با تعیین یک سری حدود آستانه و یک تبدیل غیرخطی بر روی مشاهدات، احتمال عبور یا عدم عبور کمیت نقاط مجهول نسبت به حدود آستانه به دست می آید. دو مورد از منابع عدم قطعیت در این روش، خطای اندازه گیری نقاط مشاهداتی و انتخاب مقادیر حدود آستانه هستند. در این تحقیق، به منظور مدلسازی این دو منبع خطای روش کریجینگ شاخص، روش ابداعی کریجینگ شاخص نرم بهینه شده با استفاده از الگوریتم ژنتیک معرفی شده است. به منظور بررسی عملکرد این روش و ایجاد یک مدل مقایسه ای بین این روش و چهار روش میانگین گیری وزن دار بر اساس معکوس فاصله، کریجینگ معمولی، کریجینگ شاخص و کریجینگ شاخص نرم، این پنج روش بر روی دو مجموعه داده اعمال شدند. مجموعه داده اول، 22 نقطه آزمایشی ارتفاعی با تراکم مناسب بودند. در حالی که مجموعه دوم داده عبارت بود از مشاهدات مربوط به بارندگی بهمن ماه سال 1387 در 15 ایستگاه سینوپتیک استان مازندران که از تراکم کمی برخوردار بودند. نتایج اجرای این روش ها نشان داد که در هر دو مجموعه داده، روش کریجینگ شاخص نرم بهینه شده با استفاده از الگوریتم ژنتیک دارای کمترین میزان خطای برآورد است. برای تعیین معیار خطای برآورد، از میانگین قدر مطلق اختلاف مقادیر مشاهداتی و محاسباتی برای هر نقطه در دو حالت جکنایف (jackknife) و اعتبارسنجی متقابل (cross-validation) استفاده شد. بنابراین با توجه به نتایج به دست آمده، کارایی روش پیشنهادی در مدلسازی دو منبع خطا در روش کریجینگ شاخص و افزایش دقت درونیابی ثابت گردید.