از اساسی‌ترین موارد در مدیریت کمی منابع آب زیرزمینی، تخمین سطح آب با استفاده از داده‌های برداشت شده از شبکه چاه‌های مشاهده‌ای است. هدف از این پژوهش، میان‌یابی سطح آب ‌زیرزمینی با استفاده از زمین‌آمار و محاسبات نرم در منطقه ای از دشت‌های بم نرماشیر و رحمت‌آباد (استان کرمان) با مساحت 19028 کیلومتر مربع به عنوان نمونه می باشد. از روش‌های کریجینگ ساده و عکس فاصله وزنی و همچنین مدل‌های شبکه عصبی مصنوعی، سیستم استنتاج فازی-عصبی انطباقی و برنامه‌ریزی بیان ژن برای پیش‌بینی توزیع مکانی سطح آب‌زیرزمینی استفاده و بهترین مدل از بین مدل‌های هوشمند و زمین آماری انتخاب و برای نمونه‌برداری بیشتر در منطقه مورد مطالعه استفاده شد. بدین منظور از اطلاعات مربوط به نمونه‌های حاصل از 65 حلقه چاه در طول آماری سال 1381 تا 1390 استفاده شد. برای مقایسه مدل‌ها معیارهای آماری RMSE، R2، AARE و MAE به کار بسته شدند. نتایج نشان داد در بین مدل‌های هوشمند با ورودی طول جغرافیایی و عرض جغرافیایی، شبکه عصبی مصنوعی و در بین مدل‌های زمین ‌آماری، روش عکس فاصله وزنی با داشتن کمترین RMSE (به‌ترتیب 138/7 و 062/15 متر) و AARE(به ترتیب 33 و 47 درصد) و بیشترین R2 (به ترتیب 606/0 و 591/0 ) مناسب‌ترین مدل جهت برآورد به ترتیب نقطه‌ای و ناحیه‌ای سطح آب‌زیرزمینی می‌باشد. در نهایت مدل هیبرید IDW-ANN جهت تخمین و پهنه‌بندی سطح آب‌زیرزمینی در آینده انتخاب شد. تفاصيل المقالة

فرایند تبخیر- تعرق به عنوان یکی از مؤلفه‌های اصلی چرخه‌ی آب‌شناسی دارای اهمیت فراوانی در مدیریت و توسعه‌ی منابع آب، و نیز برنامه‌ریزی آبیاری می‌باشد. در تحقیق حاضر، به‌منظور براورد تبخیر-‌‌تعرق غرب و شمال غرب ایران، روش ترکیبی پنمن-مانتیث فائو-56 به‌عنوان مرجع در نظر گرفته‌شد، و دقـت چهار شبیه‌‌ مختلف داده مبنا شامل، شبکه‌ی ‌عصبی مصنوعی (ANN)، سامانه‌ی استنتاج تطبیقی فازی-عصبی (ANFIS) از دو نوع افراز شبکه (GP)، دسته‌بندی تفریقی (SC) و شبیه‌ برنامه‌ریزی بیان ژن (GEP)، موردبررسی قرار گرفتند. به این منظور، مقادیر ضریب فصلی (شماره‌ی ماه)، عرض جغرافیایی، طول جغرافیایی و ارتفاع 12 ایستگاه در غرب و شمال غرب ایران جهت براورد  تبخیر-‌‌تعرق به‌عنوان ورودی به شبیه‌‌ها معرفی شدند. برای شبیه‌­های شبکه‌ی ‌‌عصبی مصنوعی، فازی-عصبی از نوع افراز شبکه، و فازی-عصبی از نوع دسته­بندی تفریقی حداکثر مقادیر ضریب تبیین (R²) به ترتیب 994/0، 998/0 و 997/0 در ایستگاه سنندج، و برای شبیه‌ برنامه‌ریزی بیان ژن، 982/0 در ایستگاه خوی مشاهده شد. محدوده‌‌ی مقدار ریشه میانگین مربعات خطا (RMSE) برای شبیه‌ شبکه‌ی ‌عصبی‌ مصنوعی، فازی- عصبی از نوع افراز شبکه، فازی عصبی از نوع دسته­بندی تفریقی، و برنامه‌ریزی بیان ژن به ترتیب 311/0-551/1، 319/1-368/0، 80/1 -450/0 و 833/0 -435/0 میلی‌متر بر روز به دست آمدند. نتایج تحقیق بیانگر دقت بالای شبیه‌ برنامه‌ریزی بیان ژن در پیش‌بینی تبخیر-‌تعرق متوسط مرجع ماهانه می­باشند. بنابراین، شبیه‌ GEP می‌تواند به‌عنوان شبیه‌ی ساده برای جایگزینی روابط تجربی جهت تخمین تبخیر-تعرق در پژوهش‌های بعدی مورد استفاده قرار گیرد. تفاصيل المقالة