استفاده از محاسبات فازي در مدلسازي نااطميناني ها در تخمين مقادير بر اساس روش كريجينگ، مطالعه ي موردي: ميزان پراكندگي مكاني سديم در آبخوان زنجان

Using Fuzzy Computation in Modelling Uncertainties in Kriging Estimation Method, Case Study: Estimation of Sodium Spatial Dispersion in Zanjan Aquifer

روش‌هاي مختلفي براي تبديل داده‌هاي نمونه برداري شده به سطح پيوسته وجود دارد كه در يك تقسيم‌بندي كلي مي‌توان آنها را به روش‌هاي كلاسيك، زمين آماري و روش هايي كه از هوش محاسباتي بهره مي برند، تقسيم نمود. يكي از روش هاي زمين آماري متداول، روش كريجينگ است كه در آن تخمين بر اساس ساختار فضايي موجود در محيط موردنظر انجام مي شود و دقت برآورد در آن، بالاتر است. بر خلاف بهبود چشمگير دقت نسبت به ساير روشها، اين روش نيز داراي معايبي است كه از آنها مي توان به حساسيت اين روش به كيفيت و خطاي داده هاي ورودي و پراكندگي آنها اشاره نمود. براي رفع مشكلات ناشي از نااطميناني به داده هاي ورودي در روش كريجينگ مي توان از محاسبات فازي استفاده نمود كه در آن مي توان نا اطميناني هاي موجود در داده ها را مدل كرده و از اين طريق نتايج تخمين را بهتر نمود. در اين تحقيق هدف، ارايه ي روشي براي مدل كردن نااطميناني هاي داده هاي ورودي با استفاده از محاسبات فازي است. در اين روش تمام داده هاي ورودي با توجه به خطاهاي موجود در اندازه گيري ها به شكل اعداد فازي، وارد معادلات كريجينگ شده اند. بنابراين همه ي معادلات به شكل فازي حل شده-اند. در پايان براي تست نتايج، از كريجينگ فازي براي تخمين مقدار سديم در آبخوان زنجان استفاده شده است. نتايج نشان دهنده ي بهبود دقت تخمين در اين روش نسبت به روش كريجينگ معمولي است، هر چند محاسبات با استفاده از اين روش پيچيده تر مي شود. همچنين در مطالعه ي موردي انجام شده، ميزان سديم در آب هاي زيرزميني پيرامون نواحي صنعتي و شهرهاي بزرگ آبخوان بالاتر است.

Various methods have been used to create continuous surfaces from sampled data. One of the most common geostatistical methods is Kriging, which provides an accurate estimation based on existing spatial structure in the sample points. However, Kriging method is sensitive to the errors in the input data, the dispersion of the sample. The purpose of this research is to develop a new method to handle the uncertainties resulted from the input data in the Kriging method. In this approach, the existing uncertainties in the input data are modeled by fuzzy computations, and the variogram variables are calculated in fuzzy mode. To test the new hybrid method, the sodium contamination values in Zanjan aquifer are used. The results show a generally improved accuracy in comparison to the ordinary Kriging method. Consideration of all equations and values in fuzzy raises the complexity of the computation. On the other hand, the integrity problems associated other researches on fuzzy kriging are resolved.