توسعه ی یک چارچوب ترکیبی مبتنی بر یادگیری ماشین برای پایش و پیش بینی بوی نامطبوع در کانال های آب سطحی شهری: مطالعه ی موردی کانال غیاثوند تهران

در مطالعه ی حاضر، یک چارچوب عملیاتی برای پایش، کمی سازی، و پیش بینی شدت بوی نامطبوع در کانال های جمع آوری آب سطحی ارائه شده است، که در قالب یک پروژه ی پایلوت در کانال غیاثوند در تهران اجرا شده است. شاخص های کیفیت آب، متغیرهای هواشناسی، و شدت بوی نامطبوع در داده برداری میدانی هفتگی جمع آوری شده اند. روابط میان متغیرهای کیفی آب و هواشناسی با شدت بو، ابتدا با استفاده از تحلیل های همبستگی بررسی و سپس با الگوریتم رگرسیون جنگل تصادفی برای پیش بینی کمی شدت بو مدل سازی شده و نتایج نشان داده اند که دمای آب، هدایت الکتریکی، و دمای هوا دارای همبستگی مثبت و اکسیژن محلول دارای همبستگی منفی با شدت بو بوده و مدل توسعه داده شده، عملکرد مطلوبی در پیش بینی شدت بو داشته است (۸۳/۰=۲R برای داده های آموزش و آزمون). پژوهش حاضر نشان می دهد که ترکیب داده های میدانی و روش های یادگیری ماشین می تواند ابزاری موثر برای پیش بینی شدت بو و توسعه ی سامانه های پایش هوشمند و مدیریت کیفیت آب در بسترهای شهری فراهم آورد.

کلیدواژه ها:

بوی نامطبوع ، کانال آب سطحی شهری ، کیفیت آب ، الگوریتم جنگل تصادفی