پیش بینی میزان آلودگی سرب حاصل از فعالیت های معدنی با استفاده از روش جنگل تصادفی (Random Forest)

روش جنگل تصادفی یک روش ترکیبی و قدرتمند است که می تواند با دادههای با بعد بالا مرتبط شود و برای برنامه های بلادرنگ به طور موثری کاربرد داشته باشد. با ترکیب پیش بینی های چندین درخت تصمیم گیری، نتایج دقیق و پایدار برای وظایف طبقه بندی و رگرسیون ارائه می دهد و در زمینه های مختلف از جمله سنجش از دور، بیوانفورماتیک ، و پردازش زبان طبیعی کارایی بسیار مناسبی ارائه داده است . در این مطالعه به منظور پیش بینی مقدار آلودگی عنصر سرب در اطراف محدوده معدنی ایران کوه از روش جنگل تصادفی استفاده شده است . برای پیش بینی از ۹ عنصر آهن ، آرسنیک ، مس ، روی، کادمیوم، نیکل ، منیزیم ، نقره و منگنز استفاده شده است .در ادامه نتایج مقادیر پیش بینی با مقادیر واقعی در میزان خطای حاصل مورد بحث قرار گرفته است . میانگین مربع خطاها برابر با ۲۶/۰ واکثر نمونه ها با خطای قابل قبولی پیش بینی شده اند.

کلیدواژه ها:

آلودگی ، عنصر سرب ، الگوریتم یادگیری ، جنگل تصادفی