پیش بینی تغییرات غلظت نیترات آب زیر زمینی با رویکرد AdaBoost
نیترات همواره به عنوان یک شاخص کیفیت آب آشامیدنی و یک موضوع اساسی در سلامت انسان مورد توجه بوده است. توسعه مدل های پیشرفته برای مدیریت کیفیت آب، تصمیم گیرندگان را تشویق کرده است که فناوری های هوش مصنوعی را در برنامه ریزی کیفیت آب لحاظ نمایند. این مطالعه، قصد دارد تا با استفاده از مدل های AdaBoost (تقویت تطبیقی) بعنوان یکی از مدل های نوظهور در حیطه مدیریت کیفیت آب به پیش بینی غلظت نیترات در آب زیرزمینی با استفاده از هدایت الکتریکی، pH بپردازد.
در این مطالعه ابتدا تحلیل همبستگی پیرسون انجام شد سپس با تعیین متغیر های ورودی مدل چندین مدل AdaBoost با هاپپر پارامترهای مختلف ساخته شد. سپس تحلیل حساسیت و وابستگی متغیر های ورودی مدل در پیش بینی نیترات ارزیابی شدند.
نتایج مدل AdaBoost نشان داد که مقادیر ضریب R2 برای داده آموزش 0/915 و برای داده های تست 0/924 بودند. مقادیر MSE، RMSE، MAE، MAPE برای داده های آموزش به ترتیب 1/02، 1/01، 0/823 و 7/3درصد بدست آمد. این معیار ها برای داده های تست به ترتیب0/228، 0/477، 0/375 و3/2 درصد بودند. تحلیل حساسیت مدل، متغیر pH به عنوان مهمترین متغیر تاثیر گذار در پیش بینی نیترات معرفی کرد.
تحلیل مدل نشان داد که روش پیشنهادی در پیش بینی غلظت نیترات عملکرد بالایی دارد. این روش پتانسیل ویژه برای پیاده سازی به عنوان یک سامانه هوشمند برای پیش بینی پارامترهای کیفیت آب را دارد.
AdaBoost ، آب زیرزمینی ، آنالیز حساسیت ، کیفیت آب ، نیترات
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.