روشی تازه به‌منظور درون‌یابی مشاهدات بارندگی با کمک کریجینگ شاخص نرم و الگوریتم ژنتیک

درون‌یابی از جمله مهم‌ترین مسایل در علوم مکانی است؛ زیرا همیشه این نیاز وجود دارد که از یک حجم محدود داده، مجموعه‌ای از اطلاعات دقیق فراهم گردد. کریجینگ نیز از کاربردی‌ترین و دقیق‌ترین روش‌های درون‌یابی به شمار می‌آید که به زیر روش‌های مختلفی از جمله کریجینگ معمولی، کریجینگ شاخص و کریجینگ شاخص نرم تقسیم می‌شود. الگوریتم ژنتیک در زمره الگوریتم‌های تکاملی است که برای یافتن یک جواب بهینه از مجموعه‌ای از جواب‌های بالقوه استفاده می‌شود. در این مقاله، از الگوریتم ژنتیک برای آموزش بهینه برخی از پارامترهای کریجینگ شاخص نرم با توجه به تابع هدف برای رسیدن به جواب بهینه استفاده می‌شود. در این تحقیق، از چهار روش کریجینگ معمولی، کریجینگ شاخص، کریجینگ شاخص نرم و کریجینگ شاخص نرم با الگوریتم ژنتیک بر یک مجموعه داده از 15 ایستگاه سینوپتیک استان مازندران استفاده گردید. داده‌های استفاده‌شده، مشاهدات بارندگی در این ایستگاه‌ها مربوط به بهمن ماه سال 1387 بود. با مقایسه مقادیر مشاهداتی و محاسباتی در دو حالت اعتبارسنجی متقابل و جکنایف در چهار روش ذکر‌شده، ثابت گردید که روش کریجینگ شاخص نرم با الگوریتم ژنتیک دقیق‌ترین روش است. به عنوان معیار این تصمیم‌گیری، از میانگین قدرمطلق اختلاف بین مقادیر مشاهداتی و محاسباتی هر روش استفاده گردید. این کمیت برای روش کریجینگ شاخص نرم با الگوریتم ژنتیک برابر با 3/10 میلی‌متر است که نسبت به سه روش اول (3/12، 3/13 و 8/12) کمینه است.