فهرست نشریات علمی دسترسی آزاد ایران

کلروفیل آ، به عنوان یک شاخص مهم برای اندازه‌گیری شکوفایی جلبکی و کیفیت آب، در مطالعات دریایی بسیار اهمیت دارد. این پژوهش با هدف مقایسه مدل‌های رگرسیون خطی و غیرخطی بر اساس الگوریتم های یادگیری ماشین برای بررسی میزان کلروفیل آ در آب‌های ساحلی بندرعباس، جزیره قشم  و هرمز انجام شد. برای این منظور از داده‌های ماهواره TERRA  سنجنده MODIS و برداشت‌های میدانی از نقاط مختلف محدوده مطالعه استفاده شده است. مدل های مورد بررسی شامل رگرسیون خطی، مدل خطی تعمیم یافته با توزیع پواسون، جنگل تصادفی و ماشین بردار پشتیبان است. عملکرد این مدل‌ها با استفاده از معیارهای ریشه میانگین مربعات خطا(RMSE)،  میانگین درصد خطا (MPE)،  میانگین خطای مطلق (MAE) و ضریب تعیین  R-squared (rsq) ارزیابی شد. نتایج نشان می‌دهد که رگرسیون خطی و مدل خطی تعمیم یافته ضعیف عمل می‌کنند، در حالی که جنگل تصادفی و ماشین بردار پشتیبان عملکرد بهتری را نشان می‌دهند. به طور خاص، جنگل تصادفی بالاترین عملکرد را با 0.5725 =RMSE و rsq = 0.6632 نشان می‌دهد. این مدل قابلیت تشخیص الگوهای غیرخطی و پیچیده‌تر را دارد و با استفاده از تعداد زیادی درخت تصمیم‌گیری می‌‌تواند به صورت مؤثر با داده‌های حجیم کار کند. به طور کلی، این پژوهش اثربخشی مدل‌های یادگیری ماشین، به ویژه جنگل‌های تصادفی را در پیش‌بینی دقیق میزان کلروفیل آ به عنوان یک عامل مهم در مدیریت اکوسیستم‌های دریایی در منطقه مورد مطالعه برجسته می‌کند.