پیش بینی غلظت کلروفیلآ به کمک الگوریتم های یادگیری ماشین

تغییرات آب و هوا و انتشار مواد مغذی به محیط های آبی، نگرانی های زیادی را در مورد اوتروفیکاسیون و خطر شکوفاییجلبک به همراه داشته است. شکوفایی جلبک، منجر به تولید مواد سمی و دارای طعم و بو در منابع آبی میشود. در اینمطالعه از هشت متغیر مختلف جهت تخمین مقدار کلروفیل آ به عنوان شاخصی از فراوانی جلبک ها به کمک الگوریتم هاییادگیری ماشین استفاده شده است. الگوریتم های بکار گرفته شده شامل رگرسیون خطی، رگرسیون بردار پشتیبان، شبکهعصبی پرسپترون چند لایه، درخت Rep ، جنگل تصادفی و درخت M۵P است. جهت مقایسه و کارایی الگوریتم های ذکرشده، چهار معیار ضریب همبستگی، میانگین خطای مطلق، خطای میانگین مربع ها و خطای جذر میانگین مربع ها بررسیشده است. داده ها به منظور جلوگیری از بیش برازش به دو دسته آموزشی و تست تقسیم شده اند. نتایج نشان میدهد کهالگوریتم های یادگیری ماشین، ابزاری قدرتمند در تخمین غلظت کلروفیل آ هستند. همچنین الگوریتم جنگل تصادفی بابیشترین ضریب همبستگی و کمترین خطا بهترین عملکرد را در مساله مطرح شده دارد.

کلیدواژه های پیش بینی غلظت کلروفیلآ به کمک الگوریتم های یادگیری ماشین:

کلروفیل آ ، یادگیری ماشین ، شکوفایی جلبک ، کیفیت آب ، پیشبینی ، تصفیه آب