پیش بینی شاخص کیفیت آب آنتروپی وزن دار برای مصارف کشاورزی با استفاده از روش های ساده و ترکیبی هوش مصنوعی
- سال انتشار: 1403
- محل انتشار: مجله فناوری های پیشرفته در بهره وری آب، دوره: 4، شماره: 2
- کد COI اختصاصی: JR_ATWE-4-2_004
- زبان مقاله: فارسی
- تعداد مشاهده: 162
نویسندگان
دانشجوی کارشناسی ارشد، گروه مهندسی محیط زیست، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
دانشجوی کارشناسی ارشد، گروه مهندسی محیط زیست، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
دانشجوی کارشناسی ارشد، گروه مهندسی محیط زیست، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
استادیار گروه مهندسی محیط زیست، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.
چکیده
در دهه های اخیر، ارزیابی کیفیت منابع آبی برای برنامه ریزی استفاده درست و به دنبال آن پیش بینی کیفت آن ها برای تضمین تداوم برنامه ریزی از اهمیت بالایی برخوردار است. علیرغم توجه بی سابقه به شاخص های کیفیت آب در سراسر جهان، بهینه سازی در جهت کاهش تعداد و انواع پارامترها در شاخص های کیفیت آب کشاورزی و در نتیجه کاهش هزینه های اندازه گیری تا حدی مغفول مانده است. بنابراین در این مطالعه ابتدا روش آنتروپی شانون برای تعیین وزن پارامتر های تشکیل دهنده شاخص به کار برده شد و سپس توانایی الگوریتم های ساده و ترکیبی هوش مصنوعی برای پیش بینی شاخص کیفیت آب آنتروپی وزن دار که برای ارزیابی تناسب آب با اهداف کشاورزی مورد استفاده قرار می گیرد، بررسی گردید. نتایج نشان داد که زیر شاخص بی کربنات و نسیت جذب سدیم به ترتیب بیشترین وزن (۲۴/۰) و کمترین وزن (۱۸/۰) را به خود اختصاص دادند. الگوریتم ترکیبی درخت تصمیم و شبکه عصبی نسبت به الگوریتم ساده درخت تصمیم و شبکه عصبی با R۲ بالاتر (۹۹۹/۰نسبت به ۹۹۶/۰و ۹۹۸/۰) و RMSE پایین تر (۳۳۱/۰ نسبت به به ۰۸۱/۱و ۳۳۱/۰) دقت بالاتری در پیش بینی شاخص کیفیت آب آنتروپی وزن دار نشان داد. تجزیه و تحلیل اهمیت پارامتر ها در به کارگیری به عنوان ورودی الگوریتم های مورد مطالعه با استفاده از ماتریس همبستگی پیرسون نشان داد که با حذف بی کربنات و کاهش تعداد ورودی ها به ۴ ورودی نیز الگوریتم ترکیبی درخت تصمیم و شبکه عصبی توانایی بالایی در پیش بینی شاخص دارند.کلیدواژه ها
هوش مصنوعی, همبستگی پیرسون, کشاورزی, بی کربناتاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.