TY - JOUR ID - 94715 TI - روشی تازه به منظور درون یابی مشاهدات بارندگی با کمک کریجینگ شاخص نرم و الگوریتم ژنتیک JO - نشریه سنجش از دور و GIS ایران JA - GISJ LA - fa SN - 2008-5966 AU - زورقین, حمیدرضا AU - آل شیخ, علی اصغر AU - علیمحمدی, عباس AU - وحیدنیا, محمدحسن AD - دانشگاه خواجه نصیرالدین طوسی Y1 - 2011 PY - 2011 VL - 3 IS - 3 SP - EP - KW - درون یابی KW - کریجینگ KW - عدم قطعیت KW - کریجینگ شاخص نرم KW - الگوریتم ژنتیک DO - N2 - درون یابی از جمله مهم ترین مسائل در علوم مکانی است؛ زیرا همیشه این نیاز وجود دارد که از یک حجم محدوده داده مجموعه ای از اطلاعات دقیق فراهم گردد. کریجینگ شاخص و کریجینگ شاخص نرم تقسیم می شود. الگوریتم ژنتیک در زمره ی الگوریتم های تکاملی است که برای یافتن یک جواب بهینه از مجموعه ای از جواب های بالقوه استفاده می شود. 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 می شود. 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. داده های استفاده شده، مشاهدات بارندگی در این ایستگاه ها مربوط به بهمن ماه سال 1387 بود. با مقایسه مقادیر مشاهداتی و محاسباتی در دو حالت اعتبارسنجی متقابل و جکنایف در چهار روش ذکر شده ثابت گردید که روش کریجینگ شاخص نرم با الگوریتم ژنتیک دقیق ترین روش است. به عنوان معیار این تصمیم گیری، از میانگین قدر مطلق اختلاف بین مقادیر مشاهداتی و محاسباتی هر روش استفاده گردید. این کمیت برای روش کریجینگ شاخص نرم با الگوریتم ژنتیک برابر با 3/10 میلی متر است که نسبت به سه روش اول (3/12، 3/13 و 8/12) کمینه است. UR - https://gisj.sbu.ac.ir/article_94715.html L1 - https://gisj.sbu.ac.ir/article_94715_f9894a332b0a3bdb368c9051195d0ce9.pdf ER -