فهرست نشریات علمی دسترسی آزاد ایران

منابع آب برای زندگی انسان، رشد اقتصادی و حفظ محیط‌زیست حیاتی میباشند، اما با چالشهایی مانند تغییرات آب و هوایی و فعالیتهای انسانی، به‌ویژه در مناطق خشک مواجه هستند. برای رفع این مشکل، مدیریت پایدار آب بسیار مهم است. هوش مصنوعی، به‌ویژه یادگیری ماشین، به طور فزایندهای برای پیشبینی و مدیریت کیفیت آب استفاده میشود. این روش‌های هوش مصنوعی در تشخیص الگوها در داده‌های آب عالی هستند و به بهبود مدیریت کیفیت آب کمک می‌کنند. بنابراین در این مطالعه به بررسی کیفیت آب رودخانه مارون با استفاده از ترکیب روش تحلیل عاملی و یادگیری ماشین پرداخته شد. داده‌های ۱۰ ساله پارامترهای مختلف کیفیت آب در سه ایستگاه جمع‌آوری گردید و شاخص کیفیت آب ایران برای هر سری داده محاسبه شد. سپس الگوریتم‌های مختلف یادگیری ماشین برای پیش‌بینی شاخص کیفیت آب به کار گرفته شده‌اند. در مرحله بعد تحلیل عاملی برای استخراج ویژگی‌های مهم ورودی به الگوریتم بهینه استفاده گردید. قابل‌ذکر است در هر مرحله عملکرد الگوریتمهای موردمطالعه با استفاده از معیارهای ارزیابی تعیین شد. نتایج نشان داد که در مرحله اول الگوریتم جنگل تصادفی (R2 (78/0)، RMSE (65/2)) بهترین عملکرد را در پیش‌بینی شاخص کیفیت آب داشت. همچنین مشخص شد که نیترات مهمترین پارامتر ورودی و اسیدیته کم‌اهمیت‌ترین پارامتر برای سه الگوریتم موردمطالعه است. قابل‌ذکر است در حالتی که تعداد ورودیها به 3 پارامتر با اهمیت کاهش یافت، عملکرد الگوریتم جنگل (R2 (74/0)، RMSE (86/2)) تصادفی تقریبا مشابه با 8 پارامتر ورودی بود. ترکیب بینش‌های حاصل از تحلیل عاملی و تحلیل اهمیت ویژگی‌ها می‌تواند درک جامع‌تری از روابط پیچیده بین پارامترهای کیفیت آب ارائه دهد و به ایجاد استراتژی‌های موثرتر برای مدیریت آب و کنترل آلودگی کمک کند.