مقایسه روش مارس و برنامه نویسی ژنتیک برای داده های رسوب رودخانه

در علوم محیط زیست، روابط تجربی زیادی برای پیشبینی و محاسبه در موارد متعددی ازجمله بحث رسوبات رودخانه بیان شده است. اکثر این روابط برای محاسبه دامنه وسعی از داده ها طراحی شده اند و به همین دلیل دقت آنها گاهی بسیار کم بوده و تنها برای شرایط خاصی نتایج قابل قبولی ارائه میدهند از طرفی نیز درصورتیکه یکی از متغیرهای موردنیاز برای رابطه خاصی را نداشته باشیم، استفاده از آن برایمان غیرممکن میشود؛ بنابراین در سالیان اخیر با پیشرفت سیستمها و نوآوری های فراوان درزمینه پردازش داده، محققان ترجیح میدهند از روابطی که توسط این سیستمها برای داده هایشان تنظیم شده است را بکار ببرند. این سیستمهای ماشین یادگیری و روشهای آماری جدید میتوانند مدلهای انعطاف پذیرتر و با خطای کمتری را در اختیارمان قرار دهند. در این مقاله سعی شده است که یک روش آماری رگرسیون اسپلاین چند متغیره انطباقی و یک روش الگوریتم فرگشتی برنامه نویسی ژنتیکی و تعدادی از شاخه هایش را باهم مقایسه کنیم. درنهایت بررسی حالتهای مختلف، نشان داد در اکثر موارد نتایج روش مارس دقت بالاتری دارد و قابل اعتمادتر نیز میباشد.

کلیدواژه ها:

الگوریتم فرگشتی ، برنامه نویسی ژنتیک ، تحلیل رگرسیون ، روش مارس (MARS) ، هوش مصنوعی