مقایسه ی مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی در پیش بینی غلظت نیترات در آبهای زیرزمینی محدوده شرق استان مازندران

با توجه به اهمیت آب شیرین برای حیات بشر و آسیب پذیری منابع آب زیرزمینی در برابر انواع آلودگی ها و امکان انتقال آلاینده ها به سایر منابع آب های سطحی و زیرزمینی و همچنین، قرار داشتن کشور ایران در کمربند خشک و نیمه خشک، محافظت از این عنصر با ارزش و کمیاب بسیار ضروری بوده و پایش مداوم و مستمر آن باید از اولویت-های مدیریت منابع آب قرار گیرد. در مطالعه حاضر به مقایسه ی مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی پرداخته شد. داده های فیزیکی و شیمیایی اندازه گیری شده طی دوره ی ۳۰ ساله مورد استفاده قرار گرفته و به عنوان متغیرهای ورودی مدل قرار داده شد. میزان آلودگی نیترات آب زیرزمینی با تقسیم ۷۰ درصد داده ها به عنوان آموزش و ۳۰درصد به عنوان آزمون، پیش بینی شد. نتایج به دست آمده نشان داد که برای داده های موجود، مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی تقریبا عملکرد مشابهی داشتند. پیشنهاد می شود آزمایش با تغییر مدل و تغییر نحوه قرارگیری متغیرهای ورودی انجام و نتایج با پژوهش حاضر مقایسه گردند.

کلیدواژه ها:

داده کاوی ، یادگیری ماشین ، زبان برنامه نویسی پایتون ، مدل سازی