استفاده از الگوریتم ژنتیک برای پیش‌بینی نشست زمین حاصل از حفر تونل

یکی از مهمترین علل نشست منطقه‌ای زمین، برداشت و استخراج بیش از حد آب‌های زیرزمینی است. که ایران نیز گریبان‌گیر این بحران می‌باشد. این تحقیق برای مدل‌سازی از اطلاعات و داده‌های ترازیابی دقیق نقشه‌برداری منطقه‌ای استفاده شد. در ابتدا با نرم‌افزارهای مربوطه داده‌ها اصلاح‌سازی و بصورت فصلی به‌کار‌برده‌شد. سپس با‌استفاده از مدل‌سری زمانی کلاسیک از داده‌های ارائه شده برای پیش‌بینی نشست استفاده گردید. یکی از رایج‌ترین پیامدهای توسعه بهره‌برداری از منابع آب سطحی و زیرزمینی، افت سطح آب زیرزمینی و در ادامه آن نشست زمین می‌باشد. لزوم شناخت صحیح از نحوه عملکرد، عوامل موثر بر پدیده نشست و مدت زمان آن به منظور جلوگیری و کنترل این پدیده مخرب از اهمیت بسزایی برخوردار است. در بسیاری از مناطق دنیا به علت برداشت بی‌رویه از منابع آب‌ زیرزمینی نشست منطقه‌ای رخ می دهد. در این مقاله با استفاده از داده‌های نقشه‌برداری و روش مدل الگوریتم ژنتیک به پیش‌بینی نشست منطقه‌ای پرداخته شده و پس از تعیین ساختار بهینه مدل، با استفاده از معیار آماری rmse با خطای جذر میانگین مربعات خطا به مقایسه پیش‌بینی نشست منطقه‌ای حاصل از کار الگوریتم ژنتیک، پرداخته شده است و نتایج بررسی حاکی از برتری مدل ga به رگرسیون خطی و غیر خطی است.