علیرضا سپه وند؛ نسرین بیرانوند؛ نگار ارجمند
چکیده
این تحقیق با هدف مدل‌سازی شاخص کیفیت آب ( WQI) به کمک مدل‌های هوش‌مصنوعی با تکیه بر مدل‌های یادگیری ماشین RepTree، RF، M5P، BM5P(ترکیب M5P و Bagging)، BRF(ترکیب RF و Bagging) و BRepTree (ترکیب RepTree و Bagging) در حوضه‌های خرم‌آباد، الشتر و بیرانشهر، استان لرستان انجام گرفته است. در این تحقیق ابتدا بر اساس داده-های کیفیت آب، شاخص کیفیت آب (WQI) محاسبه شد و در ادامه برای ...
بیشتر
این تحقیق با هدف مدل‌سازی شاخص کیفیت آب ( WQI) به کمک مدل‌های هوش‌مصنوعی با تکیه بر مدل‌های یادگیری ماشین RepTree، RF، M5P، BM5P(ترکیب M5P و Bagging)، BRF(ترکیب RF و Bagging) و BRepTree (ترکیب RepTree و Bagging) در حوضه‌های خرم‌آباد، الشتر و بیرانشهر، استان لرستان انجام گرفته است. در این تحقیق ابتدا بر اساس داده-های کیفیت آب، شاخص کیفیت آب (WQI) محاسبه شد و در ادامه برای مدل‌سازی، داده‌های ورودی شامل پارامترهای کیفی آب یک دوره 10 ساله (1403-1393) و همچنین داده خروجی شاخص کیفیت آب رودخانه‌ها بود. در این تحقیق برای مدل‌سازی در مرحله آموزش 70 درصد داده‌ها و در مرحله ارزیابی 30 درصد باقی‌مانده مورد استفاده قرار گرفتند و در نهایت بر اساس نتایج معیارهای ارزیابی خطای ضریب همبستگی (CC)، ریشه میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) همچنین نمودارهای تیلور و ویولن باکس مدل بهینه انتخاب شد. نتایج تحقیق نشان داد که از بین مدل‌های استفاده شده، مدل BM5P باتوجه به معیارهای ارزیابی مدل CC، MAE و RMSE در بخش آزمایش به‌ترتیب برابر 99/0، 15/0 و 20/0 از عملکرد بهتری نسبت به سایر مدل‌ها برخوردار بوده است. در ادامه با توجه به نتایج حاصل از نمودارهای تیلور و ویولن باکس به‌منظور ارزیابی کارایی مدل‌ها، برتری این مدل نسبت به سایر مدل‌ها تایید شد. در نهایت نتایج نشان داد که برای صرفه‌جوی در زمان و هزینه و همچنین مدیریت بهینه پارامترهای کیفیت آب، یکی از راهکارهای مناسب، استفاده از تکنیک‌های هوش مصنوعی به‌منظور مدل‌سازی و ارزیابی شاخص کیفیت آب (WQI) می‌باشد.
