فهرست نشریات علمی دسترسی آزاد ایران

در دهه‌‌های اخیر، ارزیابی کیفیت منابع آبی برای برنامه‌ریزی استفاده درست و به دنبال آن پیش بینی کیفت آن‌ها برای تضمین تداوم برنامه‌ریزی از اهمیت بالایی برخوردار است. علیرغم توجه بی‌سابقه‌ به شاخص‌های کیفیت آب در سراسر جهان، بهینه‌سازی در جهت کاهش تعداد و انواع پارامترها در شاخص‌های کیفیت آب کشاورزی و در نتیجه کاهش هزینه‌های اندازه‌گیری تا حدی مغفول مانده است. بنابراین در این مطالعه ابتدا روش آنتروپی شانون برای تعیین وزن پارامتر‌های تشکیل‌دهنده شاخص به کار برده شد و سپس توانایی الگوریتم‌های ساده و ترکیبی هوش مصنوعی برای پیش‌بینی شاخص کیفیت آب آنتروپی وزن‌دار که برای ارزیابی تناسب آب با اهداف کشاورزی مورد استفاده قرار می‌گیرد، بررسی گردید. نتایج نشان داد که زیر شاخص بی‌کربنات و نسیت جذب سدیم به ترتیب بیشترین وزن (24/0) و کمترین وزن (18/0) را به خود اختصاص دادند. الگوریتم ترکیبی درخت تصمیم و شبکه عصبی نسبت به الگوریتم ساده درخت تصمیم و شبکه عصبی با R2 بالاتر (999/0نسبت به 996/0و 998/0) و RMSE پایین‌تر (331/0 نسبت به به 081/1و 331/0) دقت بالاتری در پیش‌بینی شاخص کیفیت آب آنتروپی وزن‌دار نشان داد. تجزیه و تحلیل اهمیت پارامتر‌ها در به کارگیری به عنوان ورودی الگوریتم‌های مورد مطالعه با استفاده از ماتریس همبستگی پیرسون نشان داد که با حذف بی‌کربنات و کاهش تعداد ورودی‌ها به 4 ورودی نیز الگوریتم ترکیبی درخت تصمیم و شبکه عصبی توانایی بالایی در پیش‌بینی شاخص دارند.