استفاده از محاسبات فازی در مدلسازی نااطمینانی‌ها در تخمین مقادیر بر اساس روش کریجینگ، مطالعه‌ی موردی: میزان پراکندگی مکانی سدیم در آبخوان زنجان

نوع مقاله : مقاله پژوهشی

نویسندگان

1 نویسنده مسئول و دانشجوی دکتری سیستم اطلاعات مکانی، دانشگاه صنعتی خواجه نصیرالدین طوسی

2 استاد و عضو هیئت علمی دانشگاه صنعتی امیرکبیر

3 استادیار و عضو هیئت علمی دانشگاه صنعتی خواجه نصیرالدین طوسی

4 دانشجوی دکتری سیستم اطلاعات مکانی، دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده

روش‌های مختلفی برای تبدیل داده‌های نمونه­برداری شده به سطح پیوسته وجود دارد که در یک تقسیم‌بندی کلی می‌توان آنها را به روش‌های کلاسیک، زمین آماری و روش­هایی که از هوش محاسباتی بهره می­برند، تقسیم نمود. یکی از روش­های زمین­آماری متداول، روش کریجینگ است که در آن تخمین بر اساس ساختار فضایی موجود در محیط موردنظر انجام می­شود و دقت برآورد در آن، بالاتر است. بر خلاف بهبود چشمگیر دقت نسبت به سایر روشها، این روش نیز دارای معایبی است که از آنها می­توان به حساسیت این روش به کیفیت و خطای داده­های ورودی و پراکندگی آنها اشاره نمود. برای رفع مشکلات ناشی از نااطمینانی به داده­های ورودی در روش کریجینگ می­توان از محاسبات فازی استفاده نمود که در آن می­توان نا اطمینانی­های موجود در داده­ها را مدل کرده و از این طریق نتایج تخمین را بهتر نمود. در این تحقیق هدف، ارائه­ی روشی برای مدل کردن نااطمینانی­های داده­های ورودی با استفاده از محاسبات فازی است. در این روش تمام داده­های ورودی با توجه به خطاهای موجود در اندازه­گیری­ها به شکل اعداد فازی، وارد معادلات کریجینگ شده­اند. بنابراین همه­ی معادلات به شکل فازی حل شده­اند. در پایان برای تست نتایج، از کریجینگ فازی برای تخمین مقدار سدیم در آبخوان زنجان استفاده شده است. نتایج نشان­دهنده­ی بهبود دقت تخمین در این روش نسبت به روش کریجینگ معمولی است، هر چند محاسبات با استفاده از این روش پیچیده­تر می­شود. همچنین در مطالعه­ی موردی انجام شده، میزان سدیم در آب­های زیرزمینی پیرامون نواحی صنعتی و شهرهای بزرگ آبخوان بالاتر است.

کلیدواژه‌ها


عنوان مقاله [English]

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

نویسندگان [English]

  • Zohreh Masoomi 1
  • Mohammad bagher Menhaj 2
  • Mohammad Sadi mesgari 3
  • Mehdi Farnaghi 4
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Geostatistics
  • Fuzzy Computation
  • Fuzzy Semi-Variogram
  • Water Pollution
[1]تاج علی پور، زرین؛ مهدیان، محمدحسین؛ پذیرا، ابراهیم؛حیدری زاده، مجید؛ بندرآبادی رحیمی، سیما؛ کاربرد فازی کریجینگ برای تهیه نقشه فرسایندگی باران در حوزه دریاچه نمک، چهارمین همایش ملی علوم مهندسی و مهندسی آبخیزداری ایران، مدیریت حوزههای آبخیز، ١٣٨٦
[2] حسنی، پاک، علی اصغر؛ زمین آمار )ژئواستاتیک( انتشارات  . دانشگاه تهران، چاپ اول، ۱۳۷۷
 [3]رحیمی بندرآبادی، سیما؛ ثقفیان، بهروز؛ بررسی کاربرد تئوری مجموعه فازی در برآوردتوزیع مکانی بارندگی سالانه و ماهانه، طرح تحقیقاتی، وزارت جهاد کشاورزی، پژوهشکده . حفاظت خاک و آبخیزداری صفحهی ١٣٨٤ ،١٣٥
[4]مدنی، حسن؛ مبانی زمین آمار، انتشارات دانشگاه صنعتی . امیرکبیر )واحد تفرش( چاپ اول، ۱۳۷۳
[5]منهاج، محمدباقر؛ هوش محاسباتی )جلد سوم: محاسبات . فازی( انتشارات دانش نگار، تهران، چاپ اول، ۱۳۸۶
[6]Alley, W.M.; Regional Ground-Water Quality, USA,International Thomson publishing, New York, 1993.
[7]Bardossy, A., Bogardi, I., Kelly, W. E.; “Kriging with Imprecise (Fuzzy) Variograms”, Mathematical Geology,Vol. 22, No. 1, p.p.81-94, 1990.
[8]Bardossy, A., Bogardi, I., Kelly, W. E.; “Imprecise (Fuzzy) Information in Geostatistics”, Mathematical Geology, Vol. 20, No. 4, p.p.287-311, 1988.
[9]Bojadzier, G.; Fuzzy Sets, Fuzzy Logic, Applications,World Scientific Publication, 2nd Edition, Singapore,1998.
[10]Dubois, D., Prade, H.; Fundamentals of fuzzy sets,Kluwer Academic Publishers, 1st Edition, USA,Massachusetts, 2000.
[11]Fisher, P.F.; Development in spatial data handling, Springer, Germany, 2005.
[12]Goovaerts P.; Geostatistics for natural resources evaluation, Oxford University Press, 1st Edition, New York, 1997.
[13]Guo, D., Guo, R., Thiart, C.; “Predicting Air Pollutant,Using Fuzzy membership grade Kriging”, Computers, Environment and Urban Systems, No 31, p.p.33-51,2007.
[14]Illian, J., Stoyan, D.; Statistical analysis and modeling of spatial point patterns, Jhon Wiely and sons, Enhland,2008.
[15]Jones, A., Kaufmann, A., Zimmermann, H.J.; Fuzzy Sets theory and applications, Reidal Publishing Company, Netherlands, 1985.
[16]Kanevski, M., Maignan, M.; Analysis and modeling of spatial environmental data, 1st Edition, EPFL publication, Italy, 2004.
[17]Klir, G. J., Yuan, B.; Fuzzy Sets and Fuzzy Logic: theory and applications, 1st Edition, Upper Saddle River, NJ:Prentice Hall, 1998.
[18]Krešić, N.; Quantitative solutions in hydrogeology and groundwater modeling, CRC press, USA, 1998.
[19]Lee, K.H.; First course on Fuzzy theory and applications,Springer, Germany, 2005.
[20]Lodwick, W.; Fuzzy Surfaces in GIS and Geographical Analysis, CRC press, Taylor & Francis, USA, 2008.
[21]Olea, R.A.; Geostatistics for engineers and earth Scientists, Kluwer Academic Publishers, 1st Edition, USA, Massachusetts, 1999.
[22]Pedrycz, W., Gomide, F.; An Introduction to Fuzzy Sets: Analysis And Design, Massachusetts Institute of technology publication, USA, 1998.
[23]Piotrowski, J. A., Bartels, F., Salski, A., Schmidt, G.; “Geostatistical Regionalization of Glacial Aquitard, Thickness in Northwestern Germany, Based on, Fuzzy Kriging”, Mathematical Geology, Vol. 28, No. 4,p.p.437- 452, 1996.
[24]Rouhani, Sh; Geostatistics for environmental and geotechnical applications, ASTM committee, USA, Arizona, 1996.
[25]Stein, M.L.; Interpolation of spatial Data: Theory for Kriging, 1st Edition, Springer, USA, Chicago, 1999.
[26]Wackernagel, H.; Multivariate geostatistics: An Introduction with applications, third Edition, Springer, New York, 2003.
[27]Waller, L.A, Gotway C.A.; Applied Spatial Statistics for public health data, John Wiley and sons, USA, New Jersy, 2004.
[28]Zereini, F., Wolfgang, J.; Water in the Middle East and in North Africa, 1st Edition, Springer, Germany: Berlin,2004.
[29]Zimmermann, H.J.; Fuzzy sets theory and its applications, 4th Edition, Kluwer academic publishers, London, 2001.
[30]Zimmermann, H.J.; Fuzzy sets, decision making and expert systems, 1st Edition, Kluwer academic publishers,Boston, 1987.